多伦多大学博士后招聘：DFT与机器学习加速电催化剂研发

构建预测模型，评估材料可合成性。

运用概率建模方法捕捉合成路径的随机性。

整合电子显微镜数据，关联催化剂微观结构与OER活性。

已获得或即将获得材料科学、物理学、化学、化学工程或相关领域博士学位。

在DFT模拟和/或材料信息学方面有深厚专业知识。

熟悉机器学习算法及数据驱动的材料发现流程。

熟悉高性能计算环境及相关软件包。

具备扎实的编程能力及Git版本控制经验。

出色的沟通能力，能在跨学科团队中高效协作。

电催化或能源材料研究背景。

熟悉氧化物体系。

有先进数据分析、不确定性量化或贝叶斯优化经验。

了解电子显微镜表征技术。

全职岗位，首聘期一年，表现优异可续聘。

提供先进计算集群。可提供自动化合成机器人及高通量表征设备。

Cover letter：阐述研究兴趣、相关经验、Github项目链接及职业目标。

个人简历（含发表文献列表）。

三位推荐人联系方式。