职责描述: 课题：随机偏微分方程深度学习解法及其在资产配置中的应用 课题简介：金融资产配置是现代金融的核心，随机偏微分方程（SPDEs）是构建复杂模型、应对市场不确定性的关键工具, 也是金融市场建模和金融资产配置的核心数学工具。求解高维非线性SPDEs的传统技术如蒙特卡罗方法和贝叶斯滤波器时常面临“维度灾难”，存在计算瓶颈和经验依赖问题。本课题聚焦突破上述问题，通过创新性地应用 AI4Science，研发新型的SPDEs求解框架，并进而研发衍生品定价和动态资产组合优化等端到端的AI资产配置能力，为AI赋能金融资产配置找到可行路径。 任职要求: 1.具有良好的政治素质和道德修养，遵纪守法，身体健康； 2.2025年应届博士研究生，或毕业不超过三年（不早于2022年）的往届博士毕业生； 3.专业背景：国内外计算机类、应用数学类、统计学类等专业背景；复合学科背景优先； 4.研究技能： 较强的深度神经网络研发与工程化能力、随机偏微分方程数学模型能力、数据分析与处理能力，具备中英文工作和交流能力，能够独立开展研究工作，撰写发表研究论文； 5.全职在站内从事科研工作。 薪酬面议。