工作职责 本岗位围绕光声成像与空间组学数据的跨模态分析展开研究，重点聚焦以下两个核心方向： 1. 跨模态生成式推理模型开发：研究结合光声传感成像与空间组学数据的跨模态生成式推理大模型，旨在实现从光声信号推断分子病理学特征（如转录组数据、细胞类型等）。研究内容包括： • 设计高效的多模态数据表示方法； • 探索深度学习框架下生成式模型的创新架构； • 优化模型在空间组学推理任务中的性能。 2. 光声阵列信号处理与时序数据分析：研究光声阵列信号的高效处理与时序数据分析，提升光声成像的分辨率与信噪比，并实现多通道数据的有效融合与深度挖掘。研究内容包括： • 设计先进的阵列信号处理算法； • 开发时序数据的融合与分析方法； • 探索光声信号的特征提取与动态变化规律。 博士后研究人员将在实验室现有研究基础上，推动多模态数据分析、生成式推理模型、信号处理与融合技术的创新发展，支持相关科研任务和学术成果的产出。 任职要求 1.具有计算机科学、电子工程、生物信息学、医学影像处理、信号处理、深度学习等相关领域的博士学位。 2. 研究能力与技术要求 • 熟悉光声成像、空间组学、多模态数据分析相关领域的技术和方法； • 具备扎实的深度学习、生成式模型、跨模态推理、阵列信号处理等研究经验； • 有较强的算法开发能力，熟练使用Python、TensorFlow/PyTorch等深度学习框架； • 具有时序数据分析、数据融合经验者优先。 3. 科研成果与学术能力 • 在相关领域已发表高水平论文，有国际期刊或会议论文发表经验者优先； • 具备较强的独立研究能力和团队协作精神，能够推进跨学科研究合作； • 具有科研项目经验或曾获相关科研奖项者优先。 博士后研究人员将围绕本研究方向开展创新性研究，并推动相关技术的学术和应用发展。