Oligo正在建立一个制造环节中的基础模型，以自动化全球的航天器设计和生产。我们的方法使客户能够完全专注于自己的技术和任务目标，而我们负责从设计、制造到发射和运营的所有环节。利用尖端的AI驱动生成设计和自动化制造，我们的团队由前MIT、哈佛和NASA JPL的成员组成，致力于在数周内大规模创建最先进的特定有效载荷航天器。
在我们董事会的世界级顾问和来自Lux Capital等顶级投资者的新资金支持下，我们始终在寻找优秀的建设者、快速学习者和有抱负的工程师。无论您对航天器系统、航空电子、ML/AI或先进制造感兴趣，您都将与跨学科团队合作，参与实际的任务，这些任务将在轨道上飞行、执行并实现国际化扩展。
我们将世界级的AI/ML人才与顶级卫星工程师聚集在一个屋檐下，从基本原理出发重新构想空间系统的构建方式。没有官僚主义。没有传统思维。
如果您认为自己合适，我们非常期待与您见面。
职位概述
Oligo构建了用于自动化航天器设计和制造的垂直整合基础设施。我们的AI软件栈Zenith通过一个代理AI系统、嵌入式仿真和硬件在环验证的管道，将原始任务需求转化为飞行准备就绪的航天器。
我们正在招聘具有ML/AI和系统工程背景的实习生，以贡献于整个栈的核心算法：从几何感知生成设计到系统级推理代理。您将与航天器工程师和飞行软件开发人员一起工作，构建不仅仅是模拟航天器的AI，而是设计它们的AI。
这是一个面向学生或早期职业工程师的实践角色，他们希望将尖端AI应用于现实世界的硬件。通过构建直接影响我们卫星设计、建造和飞行方式的模型，您将获得航天器工程、天体动力学和可制造性的经验。
您将做什么
根据项目对齐和您的背景，您可能会参与：
• 系统AI（架构与需求）
• 构建和微调LLMs/VLMs，将技术文档（RFPs、数据表、ICDs、需求树）解析为子系统约束和架构。
• 开发模型以检测需求中的矛盾、不一致或缺口，并建议有效配置。
• 贡献于系统工件的自动生成：接口表、框图、FMEA和验证规范。
• 帮助形式化航天器系统架构知识（例如，JSON模式、基于图的表示）以用于模型监督和可追溯性。
• 生成设计AI（物理与几何）
• 设计和训练强化学习代理，以探索多变量设计空间（结构、热、轨道、可制造性）。
• 开发基于CNN的拓扑优化器（例如，U-Net + FEniCSx），在保持刚度的同时减少结构部件的质量。
• 与CAD内核（OpenCascade、CadQuery）和FEA/仿真框架（Ansys、GMAT、Thermal Desktop）接口。
• 构建多代理AI系统，使用嵌入物理模型迭代重新设计航天器配置。
• 跨领域工作
• 将您的模型集成到Zenith的管道中，确保输出流向设计、仿真和制造代理。
• 从实际航天器项目中构建多模态训练数据集（文本、图表、配置、仿真输出）。
• 每日与航天器工程师、系统架构师和测试负责人合作，确保AI输出符合现实世界的工程实践。
• 可选择贡献于面向客户的演示或国际合作的自动化入职。
您将带来什么
最低资格
• 目前正在攻读或最近完成计算机科学、ML/AI、工程或相关技术领域的学位。
• 通过研究、项目或实习获得的ML/AI实践经验。
• 精通Python并熟悉ML框架（PyTorch、JAX或TensorFlow）。
• 对以下至少一项感兴趣：
• 视觉语言模型和自动文档解析
• 用于约束优化/控制的强化学习
• 仿真感知ML、替代建模或物理信息管道
• 使用CNNs或CAD/FEA集成的几何/拓扑优化
优先技能和经验
• 接触过结构化工程工件（ICDs、需求表、CAD树、验证矩阵）。
• 熟悉航天器概念、天体动力学或控制系统。
• 在MBSE或架构设计工具（Capella、CORE或自定义框架）方面的背景。
• 有动手能力原型或调试硬件/软件系统。
• 清晰的沟通能力和跨AI + 工程学科的工作能力。
