基于强化学习的医疗环境仿真探索

1. 负责设计并研发面向复杂医疗场景的强化学习底层仿真架构，解决高维度医疗环境中的状态空间建模难题。 2. 构建与真实物理世界差距可控、具备高可信度的数字医疗孪生系统，支撑前沿医疗算法的闭环验证。 3. 开发并调优医疗动态环境下的多智能体（Multi-Agent）协作算法，实现医疗资源调配与临床决策的最优规划。 4. 结合海量脱敏临床数据，探索强化学习在医疗仿真验证中的创新应用，沉淀具备行业影响力的底层基建技术。

1. 计算机科学、人工智能、统计学或生物医学工程等相关领域的本硕博在校生。 2. 具备深厚的强化学习理论功底，精通主流强化学习算法（如PPO、MADDPG等）及其在仿真环境中的应用。 3. 具备卓越的代码实现能力与系统架构设计思维，能应对复杂仿真引擎底层的性能优化挑战。 4. 对“AI+医疗”跨界技术充满技术信仰，具备优秀的逻辑分析与科研攻坚韧性。 5. 在相关领域的高水平学术会议/期刊有论文发表，拥有重磅开源项目贡献或高水平算法竞赛获奖者优先。