1. 先进配方开发：主导电解液配方的高通量设计、筛选与优化，精准满足高能量密度下的超快充（>5C）、长寿命及低成本等严苛要求；系统性地进行功能添加剂的分子设计、评估与复配，解决锂离子的快速迁移、界面稳定性、NTP等关键技术瓶颈。

2. AI与计算化学赋能：利用量子化学计算（DFT）、分子动力学（MD）等模拟手段，从分子/原子尺度研究电解液组分（溶剂、锂盐、添加剂）的物理化学性质及其在电极/电解液界面的相互作用机理；结合机器学习（ML）算法，对海量实验数据进行深度挖掘，构建电解液“组分-结构-性能”关系（QSPR）的预测模型，指导并加速新配方的迭代开发；参与构建内部电解液材料数据库，为材料基因组工程提供基础数据支持。

3.机理研究与失效分析：结合计算模拟与先进实验表征（如Cryo-EM, XPS, GC-MS等），深入揭示电芯在充放电时的去溶剂化过程、长循环及滥用条件下的界面演化、产气机制及失效根本原因，提出创新性的解决方案。

4. 项目领导与技术引领：作为技术负责人，独立承担或领导关键研发项目，制定“计算模拟-实验验证-性能优化”闭环的技术路线，确保项目高效交付；与材料、电芯设计、数据科学等团队跨部门协作，共同提升电芯产品的综合竞争力；指导和培养团队工程师，引入计算化学和数据分析方法，提升团队整体研发能力。

5. 知识产权与供应链：撰写高价值的专利、技术报告和标准文件，构建核心技术壁垒；与供应商进行前瞻性技术交流，评估和导入具备潜力的新型电解液材料。

1. 化学、材料学、电化学、物理化学、计算机科学等相关专业，硕士及以上学历，博士优先。

2. 工作经验，必须满足以下任一背景：

背景一（电解液开发）： 拥有丰富的电解液配方开发与优化经验，精通各组分的功能和作用机理，有成功解决实际问题的项目经验。

背景二（AI驱动开发）： 具备将机器学习、数据科学应用于材料或化学领域的经验，熟悉Python/R等编程语言及相关数据科学库，对利用AI工具解决复杂物理化学问题有浓厚兴趣和实操能力。

3. 5年及以上在相关企业的技术研发经验，深刻理解锂离子电池的工作机制与快充技术挑战。

4. 同时具备电解液基础知识和AI应用经验者优先考虑。

5. 拥有成功交付量产快充电池项目的完整经验。

6. 出色的数据分析、问题解决和跨团队沟通能力。

7. 拥有多项与电池技术相关的授权发明专利。