Roche je globální zdravotnická společnost, která propojuje farmaceutický výzkum a vývoj s diagnostickým testováním a digitální péčí o zdraví. Zaměřuje se na zlepšování výsledků léčby prostřednictvím včasnějšího odhalování onemocnění, cílenější léčby a inovací založených na vědeckých poznatcích, včetně nástrojů využívajících umělou inteligenci. Společnost vyvíjí řešení pro komplexní onemocnění, jako jsou nádorová a neurologická onemocnění, a spolupracuje se zdravotnickými systémy, výzkumnými partnery a dalšími zainteresovanými stranami po celém světě.
Seniorní vědecký pracovník pro strojové učení: plánování a optimalizace syntézy
Vyvíjejte modely strojového učení pro syntézou řízený návrh, plánování, generování a optimalizaci molekul. Vytvářejte automatizované procesy syntézy podporující výzkum společnosti Roche v oblasti objevování léčiv s využitím AI.
Popis
- Rozvíjet metody strojového učení pro syntézou řízený molekulární design včetně retrosyntézy, plánování syntézy, generování molekul a vyhledávání v chemických prostorech sloučenin vhodných k syntéze.
- Kombinovat vlastní data o reakcích s biochemickými daty za účelem tvorby modelů a pracovních postupů řízených syntézou pro vyhledávání a optimalizaci hitů.
- Vyvíjet spolehlivé a škálovatelné pipeline aktivního učení, které se propojují s automatizovanými platformami syntézy a vysokokapacitní syntézy.
- Vytvářet algoritmy dávkového plánování syntézy, které zlepšují pokrytí chemického prostoru, informační přínos a experimentální efektivitu.
- Přispívat k vědeckému pokroku prostřednictvím publikací, open-source projektů a konferenčních prezentací.
- Spolupracovat s výpočetními a experimentálními vědci ve společnosti Roche a s externími akademickými partnery.
- Vyvíjet přístupy strojového učení, které generují molekuly vhodné k syntéze a propojují generativní design s automatizovanou syntézou.
Požadavky
- Pokročilá odbornost v oblasti strojového učení podložená znalostmi lineární algebry, pravděpodobnosti a optimalizace.
- Praktické zkušenosti s grafovými neuronovými sítěmi, sekvenčními nebo jazykovými modely a posilovaným učením.
- Pracovní znalost chemických konceptů používaných při plánování syntézy a optimalizaci molekul.
- Zkušenosti s datovými soubory malých molekul a s cheminformatickými nástroji, jako jsou RDKit nebo OpenEye.
- Pokročilá znalost jazyka Python.
- Zkušenosti se současnými frameworky strojového učení včetně PyTorch nebo JAX.
- Zkušenosti s vývojem vědeckého softwaru.
- Titul PhD nebo srovnatelné výzkumné zkušenosti v oblasti strojového učení, výpočetní chemie, chemického inženýrství, fyziky, statistiky nebo příbuzného kvantitativního oboru.
- Až dva roky průmyslových výzkumných zkušeností pro úroveň Scientist nebo více než dva roky pro úroveň Senior Scientist.
- Doklady vědecké excelence v podobě publikací v časopisech či na konferencích nebo veřejného portfolia relevantní práce.
- Výhodou: zkušenosti s vývojem modelů retrosyntézy nebo plánování syntézy.
- Výhodou: zkušenosti s automatizovanou nebo vysokokapacitní syntézou.
Benefity
- Může být poskytnut nenárokový roční bonus v závislosti na individuálním výkonu a výsledcích společnosti.
- Informace o benefitech jsou uvedeny na poskytnutém odkazu.