智能互联达摩院-AIGC算法工程师-医疗影像生成方向
任职要求
1. 计算机科学、人工智能、电子工程、生物医学工程等相关专业的硕士或博士毕业，在视觉生成或者医疗影像AI上有实际的研发经历，精通深度学习、机器学习、计算机视觉及医学影像处理，工业界相关研发工作经验不少于一年。 2. 熟悉扩散模型、Controlnet、影像增强、自回归生成等主流视觉AIGC算法，有实际的影像生成相关的应用落地经验。 3. 熟悉医疗影像数据，能够根据不同医学影像特性进行数据处理和算法设计，或者对于医疗AI有强烈兴趣。 4. 熟悉主流深度学习框架（如PyTorch、TensorFlow），并具备Transformer、CNN等典型深度学习模型的原理及实现经验。熟练掌握编程语言（如Python、C++等），…
工作职责
达摩院医疗AI实验室基础技术团队通过研究计算机视觉技术来解决医疗影像AI中的科学和应用难题，团队成员主要来自国内外知名视觉实验室或者医疗影像AI实验室，且曾获得过斯坦福大学全球top2%顶尖科学家，清华大学AMiner AI Top2000等荣誉。近五年团队在CVPR/ICCV/NeurIPS/ICLR/ICML/TPAMI/IJCV等顶会顶刊发表论文超百篇，并曾获CVPR 2022 Best Student Paper奖项。目前，达摩院医疗AI实验室“一扫多筛”产品已经在多家医疗成功落地，多篇相关成果在nature medicine发表。但是，医疗数据相比通用数据获取和标注难度大得多，医疗数据稀缺问题依然是行业未解的难题。为了解决该难题，我们正在研发医疗领域的“SORA”模型，构建医疗影像数据生成的基础生成模型。我们期待该模型能够高度可控合成高质量医学影像数据，从而解决数据稀缺、数据质量良莠不齐、数据标注成本高昂、多中心分布差异、罕见病例难获取、预测病灶演变、影像质量增强等一系列医疗影像数据难题。我们欢迎视觉背景和医疗影像AI背景的英才加入团队，与我们一起将医疗AI推入基础大模型时代。 1. 负责医疗影像生成基础模型及其下游影像合成应用算法研发，包括但不限于基础模型训练、生成模型post-training算法、病灶合成算法、影像增强算法、罕见病影响合成算法、生成算法训练推理优化、生成理解一体化等。 2. 负责医疗影像数据的分析和处理，通过分析影像本身和对应的影像报告挖掘其中高质量的信息，为生成算法提供数据基础。 3. 推动算法落地，与医院和医生保持沟通合作，分析应用场景中的算法问题，能够根据具体问题选择并设计合适的模型和技术方案。 4. 持续视觉和医疗影像AI前沿技术与发展热点，产出高水平论文，建立行业影响力。
达摩院医疗AI实验室基础技术团队通过研究计算机视觉技术来解决医疗影像AI中的科学和应用难题，团队成员主要来自国内外知名视觉实验室或者医疗影像AI实验室，且曾获得过斯坦福大学全球top2%顶尖科学家，清华大学AMiner AI Top2000等荣誉。近五年团队在CVPR/ICCV/NeurIPS/ICLR/ICML/TPAMI/IJCV等顶会顶刊发表论文超百篇，并曾获CVPR 2022 Best Student Paper奖项。目前，达摩院医疗AI实验室“一扫多筛”产品已经在多家医疗成功落地，多篇相关成果在nature medicine发表。但是，医疗数据相比通用数据获取和标注难度大得多，医疗数据稀缺问题依然是行业未解的难题。为了解决该难题，我们正在研发医疗领域的“SORA”模型，构建医疗影像数据生成的基础生成模型。我们期待该模型能够高度可控合成高质量医学影像数据，从而解决数据稀缺、数据质量良莠不齐、数据标注成本高昂、多中心分布差异、罕见病例难获取、预测病灶演变、影像质量增强等一系列医疗影像数据难题。我们欢迎视觉背景和医疗影像AI背景的英才加入团队，与我们一起将医疗AI推入基础大模型时代。 1. 负责医疗影像生成基础模型及其下游影像合成应用算法研发，包括但不限于基础模型训练、生成模型post-training算法、病灶合成算法、影像增强算法、罕见病影响合成算法、生成算法训练推理优化、生成理解一体化等。 2. 负责医疗影像数据的分析和处理，通过分析影像本身和对应的影像报告挖掘其中高质量的信息，为生成算法提供数据基础。 3. 推动算法落地，与医院和医生保持沟通合作，分析应用场景中的算法问题，能够根据具体问题选择并设计合适的模型和技术方案。 4. 持续视觉和医疗影像AI前沿技术与发展热点，产出高水平论文，建立行业影响力。
作为芯片互联方向的产品经理，为达摩院规划与定义面向下一代AI数据中心的scale up互联芯片产品方案，与架构师，软件产品经理一起定义有技术前瞻与市场竞争力的产品 - 产品规划：跟踪 Scale-Up/Scale-Out网络架构、研究LPO/NPO/CPO、OCS（光电路交换）等新兴技术路线，制定产品技术路线图。 - 产品定义：结合AI集群Scale Up网络拓扑需求，定义交换芯片/GPU芯片互联端口速率、带宽、时延、功耗、封装形态等核心指标，输出产品MRD/PRD。 - 系统级方案设计：主导电/光互联在 Scale-Up 网络架构方案落地，评估 Pluggable/LPO/NPO/CPO、EPS/OCS等组合对系统 TCO（成本和功耗）、时延的影响，输出技术选型与成本测算报告。 - 项目推进：与架构师、软硬件团队协同，完成产品方案评审，平衡产品性能、成本、功耗与研发周期，确保产品可量产落地。 - 商业化：配合BD团队，输出产品技术白皮书与技术方案，支撑客户选型、方案适配与项目落地，跟进产品上市后市场表现与客户反馈，持续优化产品迭代策略。
1. AI技术融合与优化：将人工智能技术、大模型融入芯片业务开发测试流程，提升产品研发效率和质量。 - 自动化工具开发：开发AI辅助工具，如代码审查工具、自动测试用例生成工具、性能瓶颈分析工具等，提高研发测试的自动化程度。 - 数据处理与分析：利用大模型和AI工具处理大量研发测试数据，包括代码、测试用例、测试执行日志等，优化数据处理流程。 2. AI知识库系统构建 - 知识库设计：设计和构建高效、准确的AI知识库系统，支持业务部门的专业知识生成和服务。 - RAG系统开发：构建和优化RAG（Retrieval-Augmented Generation）系统，实现从知识库中快速准确地检索相关信息，并生成高质量的业务文档和回答。 3. AI辅助工具平台开发 - 工具平台设计：设计和开发AI辅助工具平台，提供统一的接口和工具集，支持多种AI应用。 - 用户支持：为业务部门提供技术支持，确保AI工具平台的稳定运行和高效使用。 4. 项目管理和团队协作 - 需求分析：与业务部门紧密合作，理解业务需求，提供技术解决方案。 - 项目管理：跟踪项目进度，确保按时交付高质量的AI系统。 - 团队协作：与团队成员协作，分享知识和经验，推动团队整体技术水平的提升。
候选人将负责以下任务： ‒ 参与超大规模芯片top DFT的实现及验证，包括SSN、SCAN，MBIST，BISR，BSD，SSN 等 ‒ 实现tile 上DFT的实现及验证，包括第三方PHY等DFT的集成开发 ‒ 参与先进DFT技术flow的开发验证，例如SSN、INST、Logic_Bist 等， 负责维护DFT 脚本。 ‒ 利用DFT技术辅助func实现debug。 ‒ 实现 mbist/scan disgnosis、良率分析及提升。 ‒ 实现DFT SDC 的开发并支持后端DFT timing收敛。 ‒ 生成高覆盖率低测试成本的ATE pattern，实现对pattern 的优化。