The posting
研究方向 将大气动力学、物理约束及领域知识引入深度学习天气模型,提高模型的物理一致性、泛化能力和极端天气预测能力; 研究卫星、雷达、地面站、再分析等多源异构观测数据的融合方法,探索从原始观测到预报模型的端到端建模; 围绕模型架构、训练策略、数据体系、损失函数和推理方法持续优化模型性能; 在 WeatherBench 等国际公认气象预报 Benchmark 上开展标准化实验,与主流 AI 天气模型及数值天气预报系统进行系统比较,并持续提交和更新预报结果; 进一步关注台风、强降水、强对流等高影响天气过程的建模与预测。
岗位目标 实习期间将参与团队核心气象基础模型研发,与团队共同推进模型的训练、评测与持续迭代。研究成果将面向 WeatherBench 等国际 Benchmark 的领先性能,并以发表 Nature / Science 子刊或 CCF-A 类会议、期刊论文为重要研究目标。
计算机、人工智能、大气科学、地球科学、应用数学等相关专业本科高年级、硕士或博士研究生; 熟悉深度学习,具有较好的 Python / PyTorch 编程能力; 对 AI for Weather / AI for Science 有较强研究兴趣,具备独立开展科研工作的能力; 有天气预报、地球系统建模、时空预测、基础模型或科学机器学习相关研究经历者优先; 以第一作者或主要作者在 Nature / Science 子刊或 CCF-A 类会议、期刊发表过论文者优先; 可长期实习优先。



