关于职位：
我们正在寻找一位高度积极的油藏模拟研究科学家，以推动下一代油藏建模技术的发展。该职位专注于将基于物理的油藏模拟与机器学习、数据同化和优化相结合的先进计算方法的研究与开发（R&D）。您将致力于开发新颖的算法，增强模拟能力，并在数据驱动和基于物理的建模方法之间架起桥梁，以支持能源转型和改进油藏管理工作流程。
主要职责：
- 在油藏模拟、计算物理和数据驱动方法方面进行基础和应用研究。
- 开发和原型化将机器学习与传统油藏模拟工作流程相结合的新算法，包括替代建模、降阶建模和混合物理-机器学习模型。
- 研究和实施先进的数据同化技术，包括基于集合的方法、基于伴随的梯度优化和用于历史匹配和不确定性量化的贝叶斯推断。
- 开发和应用优化算法，用于不确定性下的油田开发规划、生产增强和油藏控制。
- 与包括油藏工程师、地球科学家、数据科学家和软件工程师在内的跨学科团队合作。
- 在同行评审的期刊上发表研究成果，申请专利，并在行业和学术会议上展示。
- 在制定研发路线图、识别高影响力的研究方向以及支持技术转移到商业或操作工具中提供技术领导。
- 参与内部软件原型或生产级软件的开发，用于油藏建模和AI支持的工作流程。
必需资格：
- 在石油工程或油藏工程或相关领域获得博士学位，重点是数值模拟、优化或机器学习应用。
- 在PDEs的数值方法、线性和非线性求解器以及油藏流动物理方面有扎实的背景。
- 在油藏模拟技术方面有专业知识，包括应用于多相地下流动的有限差分、有限体积或有限元方法。
- 在以下一个或多个领域有研究经验：
- 机器学习（例如，替代建模、神经网络、高斯过程、物理驱动的机器学习）
- 数据同化（例如，集合卡尔曼滤波器、集合平滑器、基于伴随的优化、贝叶斯推断）
- 优化（例如，油田开发规划、井控优化、不确定性下的稳健优化）
- 精通科学编程（理想情况下是Python和MATLAB），用于算法开发和原型设计。
- 在相关技术领域有同行评审的出版物、会议演讲或专利的成功记录。
优先资格：
- 有将基于物理的模拟与机器学习框架（包括物理驱动的神经网络（PINNs）或混合模型）相结合的经验。
- 了解高性能计算（HPC）、并行编程或云计算用于大规模模拟。
- 熟悉开源或商业油藏模拟器（例如，MRST、开放多孔介质、Eclipse、Intersect、tNavigator、CMG）。
- 有概率建模、不确定性量化和不确定性下决策的经验。
- 在相关领域如CO₂封存、地热系统或非常规资源建模方面有背景者优先。
软技能：
- 具有强大的分析和问题解决能力，并采用严格的科学方法。
- 能够清晰地向技术和非技术观众传达复杂的技术思想。
- 自我驱动，善于合作，对推进油藏工程和计算科学的前沿充满热情。
- 能够在独立研究环境和协作的多学科环境中工作。
为什么加入我们？
- 处理地下科学、机器学习、优化和计算物理交叉领域的前沿问题。
- 成为一个协作的研发团队的一员，影响能源、碳管理和可持续地下技术的未来。
- 有机会发表、申请专利，并为开源软件或商业产品做出贡献。
- 在动态、创新驱动的环境中获得有竞争力的薪酬、研究自由和职业成长。
