AI Scientist – Molecular Machine Learning

О позиции

Marlabs Inc. — глобальная консалтинговая компания в сфере искусственного интеллекта и цифровых решений. Мы создаём умные решения для здравоохранения, фармацевтики, финансов и государственного сектора с 2000 года. В нашей динамичной команде появится новый AI Scientist, который будет применять передовые методы машинного обучения для решения сложных научных задач в области молекулярного дизайна и разработки лекарств.

Чем заниматься

• Разработка, обучение и оценка моделей глубокого обучения для предсказания свойств молекул, генерации новых молекул и задач открытия лекарств
• Создание AI-решений для молекулярных данных с использованием графовых нейронных сетей, графовых трансформеров, геометрического глубокого обучения и методов генеративного моделирования
• Построение масштабируемых рабочих процессов AI/ML на Python с PyTorch/JAX, оптимизация моделей по точности, эффективности и научной релевантности
• Работа с молекулярными датасетами и хемоинформатическими пайплайнами с использованием RDKit, включая представление молекул, предобработку, генерацию признаков и создание датасетов для моделей
• Разработка подходов генеративного моделирования для de novo дизайна молекул, оптимизации лидов и исследования молекулярного пространства с использованием диффузионных моделей, flow matching, reinforcement learning
• Сотрудничество с вычислительными медиками, медхимиками и учёными по разработке лекарств для перевода научных проблем в AI/ML-подходы
• Оценка и постоянное улучшение моделей ML с применением строгой экспериментальной методики, валидации, бенчмаркинга и воспроизводимых практик исследований

Что ждут

• PhD в области Computer Science, AI/ML, Computational Chemistry, Cheminformatics, Data Science, Physics или смежной технической/научной дисциплины с опытом применения AI/ML к молекулярным или научным задачам
• Практический опыт работы с PyTorch и/или JAX, включая разработку, обучение, оценку и оптимизацию моделей глубокого обучения
• Опыт работы с графовыми нейронными сетями (GNN), графовыми трансформерами, геометрическим глубоким обучением и генеративным ИИ, особенно для представления молекул, предсказания свойств и молекулярного дизайна
• Сильные навыки программирования на Python и опыт работы с хемоинформатикой, включая RDKit или сопоставимые инструменты
• Опыт применения AI/ML к предсказанию свойств молекул, генерации молекул, обнаружению лекарств, ADMET-моделированию, оптимизации лидов или связанным областям молекулярной науки
• Опыт работы в Linux-средах и высокопроизводительных вычислениях, знакомство с инструментами типа Schrödinger, MOE, GROMACS, OpenMM или другими платформами молекулярного моделирования

Условия

• Участие в передовых исследованиях и проектах на стыке AI и биомедицины
• Работа со сложными научными задачами в области открытия лекарств и фармацевтики
• Гибкий формат работы и возможность удалённого сотрудничества
• Профессиональное развитие через конференции, публикации и обмен знаниями внутри команды
• Конкурентная заработная плата и социальные benefits
• Работа в международной междисциплинарной команде экспертов

Навыки

• Python
• PyTorch
• JAX
• Graph Neural Networks
• Graph Transformers
• Geometric Deep Learning
• Generative AI
• Diffusion Models
• Flow Matching
• Reinforcement Learning
• RDKit
• Linux
• HPC
• Molecular Modeling
• Drug Discovery
• ADMET

Могут спросить на собеседовании

1. Какие архитектурные компромиссы вы рассматриваете при выборе между GNN и transformer-подходами для представления молекулярных структур?