长鑫存储材料计算研发工程师 | TD Computational Materials Engineer(J14492)
任职要求
1、计算化学、物理化学、量子化学、理论化学等相关专业； 2、熟悉 Linux 开发环境，能用 Python 等语言完成材料计算的日常任务； 3、在半导体相关领域实践过材料设计和机制模拟，有企业应用开发经验者优先； 4、满足以下一个或多个条件： 1）熟练使用 AMBER、GROMACS、LAMMPS 等模拟软件。 2）熟练使用 Quantum ATK 、Gaussian 等第一性原理计算软件，掌握密度泛函理论、电子结构分析、过渡态计算等方法。 3）熟悉机器学习、深度神经网络等建模方法及蒙特卡罗方法开发。
工作职责
1、根据半导体需求和第一性原理、动力学仿真、AI 结合，推进材料应用研究； 2、将半导体实际问题转化为第一性原理计算和分子动力学的简化模型； 3、跟踪学术界最新研究成果，对材料理化性质设计性质预测和机理分析的流程； 4、基于材料基因方法和大数据范式，开发高通量计算工作流，辅助材料的设计和筛选。
深入业务视角，以多模态大数据建模及计算物理仿真为基础，借助AI赋能，帮助半导体工程/工艺/元件特性先行预测与优化，提升工程/工艺/元件研发效率。 工作职责： 1.基于半导体工程/工艺/元件研发需求，开发AI Agent，实现研发流程的自动化与智能化； 2.结合大模型技术（如LLM、多模态大模型等），构建智能化的业务交互与决策系统，提升研发效率； 3.基于产品全生命周期的生产大数据，开发根因查询（RCA）、虚拟量测（VM）、高级工艺控制（APC）、高级机台控制（AEC）等智能化解决方案； 4.开发基于业务驱动的智能工程/工艺/元件设计优化工具，结合物理信息神经网络（PINN）、复杂结构数字孪生、先进材料自动选型等技术，实现研发创新； 5.与半导体研发工程师深入合作，理解业务逻辑，打通数据流，设计并开发能够替代工程师重复操作的AI Agent； 6.探索大模型及AI Agent在半导体研发中的应用场景，推动AI技术与业务需求的深度融合。
1.负责新产品制程技术的研发和维护，包含光刻/光罩/蚀刻/清洗/化学机械研磨/扩散/离子注入/薄膜等； 2.与设计/器件/工艺整合和可靠性等相关部门通力合作，满足新产品制程的电性/可靠性/良率与成本要求； 3.主导新型机台和新型材料的合作研发和评估开发，协同制定和实现未来的技术发展线路； 4.负责研发效率提升以缩短新产品研发周期，包含工艺仿真开发/研发数据智能分析/项目资源管理等； 5.负责与量产部门的无缝技术转移，以尽量缩短新产品上市周期。
1.从事DRAM工艺制程研发工作,主要负责对上千种不同制程进行极高要求的整合,使之成为支撑各种DRAM产品的工艺技术平台其中大部分的工作内容涉及到与产品设计部门,电学表征部门以及具体的制程研发工程师共同进行技术创新,以实现高水平的电学性能,可靠性能的终端产品要求； 2.对相关工艺改良,提升芯片良率在深入了解和掌握各种电学参数，产品参数的基础上,对与各种由产品设计,制程控制引起的良率不良现象进行系统性的分析研究,并以此为基础通过多种数据分析,建立切实可行的良率提升路线图,推动DRAM从产品设计,制程研发,良率从零到一, 从一到一百的极限理想目标的靠近； 3.新产品及新工艺导入 通过系统性了解新产品以工艺的整个流程，从制程整合的角度领导整个产品和工艺从研发部门到生产部门的导入,同时在此过程中负责工艺整合的优化升级,达到提升电学性能,可靠性能以及良率的要求。
1.新产品良率分析, 不良品电性以及物理故障分析, root cause 确认.良率改善措施； 2.产品功能验证,参数特性测试验证, 推动 Design, Device, PIE, PE 进行参数优化调整； 3.测试程式编写以及优化，新测试方案以及模式开发以辅助产品失效分析； 4.良率分析系统的开发与优化, 强化数据关联性,推动其智能化以提高研发效率和缩短新产品研发周期； 5.与 Design/Device/PIE/DM/PE 等相关部门通力合作, 进行数据分析, 推动跨部门合作持续改善良率. 加速研发周期。