量子计算优化算法工程师 （... 15k-30k

职位亮点
61参与下一代量子计算机的“大脑”——大规模量子门控优化系统的从0到1落地
61 学术前沿与硬核工程并重，算法、MLsys、量子物理三线技术栈深度融合
61 与全球***实验团队直接合作，实时验证算法在真实量子芯片上的效果

职位描述

量子比特规模指数级增长，让“如何优雅地控制每一个门”成为决定量子计算实用化的胜负手。该角色将深入以下挑战：
1. 算法层面：在极度崎岖、随时间演化的目标函数 landscape 上，设计可扩展的最优控制算法。
2. 工程层面：构建毫秒级反馈、千万级参数并行的端到端优化 pipeline，并嵌入多语言、异构硬件的 MLsys 栈。
3. 衍生场景：量子线路压缩、比特布局、编译器联合优化等全流程加速。

工作职责

61 针对量子门控、线路优化、芯片校准等核心问题，设计并实现基于最优控制、强化学习或统计学习的高性能优化算法及软件方案

61 打通算法原型 → 高性能数值内核 → 分布式训练 → 实时 FPGA/ASIC 部署的全链路

61 与量子硬件、软件编译、测控团队密切配合，将算法性能直接映射为芯片保真度提升

61 追踪 ICML/NeurIPS/PLDI/ArXiv-quant-ph 等前沿动态，把最新成果转化为生产工具

技能要求：
61 计算机、数学、物理、电子、自动化等相关专业，硕士及以上（985/211 或海外同档次院校优先）

61 在优化算法最优控制、强化学习、统计学习等任一方向有扎实理论与实践经验

61 扎实的数学功底：线性代数、概率统计、凸优化、组合优化至少其二深入掌握

61 精通 Python；能熟练运用 C/C++/Go/Rust/Julia/Haskell/OCaml/Lisp 中的一种或多种进行多语言开发

61 熟悉常见数据结构及科学计算/数值分析工具链

加分

61 量子计算、量子信息或超导/实验背景

61 高性能数值计算、GPU 编程、分布式训练、MLsys 相关经验

61 在***会议/期刊（ICML, NeurIPS, ICLR, QIP, PRL, TACO 等）发表论文或拥有开源项目