Roche ist ein global tätiges Gesundheitsunternehmen, das pharmazeutische Forschung und Entwicklung mit diagnostischen Tests und digitaler Gesundheit verbindet. Das Unternehmen konzentriert sich darauf, Behandlungsergebnisse durch frühere Erkennung, gezieltere Therapien und wissenschaftlich fundierte Innovationen, einschließlich KI-gestützter Instrumente, zu verbessern. Roche entwickelt Lösungen für komplexe Erkrankungen wie Krebs und neurologische Krankheiten und arbeitet dabei weltweit mit Gesundheitssystemen, Forschungspartnern und anderen Interessengruppen zusammen.
Senior-Wissenschaftler für maschinelles Lernen, Syntheseplanung und Optimierung
Entwickeln Sie Machine-Learning-Modelle für syntheseorientiertes Moleküldesign, Planung, Generierung und Optimierung. Erstellen Sie automatisierte Synthese-Workflows zur Unterstützung der KI-gestützten Wirkstoffforschung bei Roche.
Beschreibung
- Entwickeln Sie Methoden des maschinellen Lernens für syntheseorientiertes Moleküldesign, einschließlich Retrosynthese, Syntheseplanung, Molekülgenerierung und der Suche in synthetisierbaren chemischen Räumen.
- Kombinieren Sie proprietäre Reaktions- und biochemische Daten, um syntheseorientierte Modelle und Workflows für die Entdeckung und Optimierung von Hits zu erstellen.
- Entwickeln Sie zuverlässige, skalierbare Active-Learning-Pipelines, die mit automatisierten und Hochdurchsatz-Syntheseplattformen verbunden sind.
- Erstellen Sie Algorithmen zur stapelweisen Syntheseplanung, die die Abdeckung des chemischen Raums, den Informationsgewinn und die experimentelle Effizienz verbessern.
- Tragen Sie durch Publikationen, Open-Source-Projekte und Konferenzpräsentationen zum wissenschaftlichen Fortschritt bei.
- Arbeiten Sie mit Wissenschaftlerinnen und Wissenschaftlern aus den Bereichen Computational Science und Experimentalforschung bei Roche sowie mit externen akademischen Kooperationspartnern zusammen.
- Entwickeln Sie Machine-Learning-Ansätze zur Generierung synthetisierbarer Moleküle und zur Verknüpfung von generativem Design mit automatisierter Synthese.
Anforderungen
- Fundierte Kenntnisse im maschinellen Lernen mit Grundlagen in linearer Algebra, Wahrscheinlichkeitstheorie und Optimierung.
- Praktische Erfahrung mit Graph-Neural-Networks, Sequenz- oder Sprachmodellen und Reinforcement Learning.
- Anwendungskenntnisse in chemischen Konzepten der Syntheseplanung und Moleküloptimierung.
- Erfahrung im Umgang mit Kleinmoleküldatensätzen und mit Cheminformatik-Tools wie RDKit oder OpenEye.
- Sehr gute Kenntnisse in Python.
- Erfahrung mit modernen Machine-Learning-Frameworks, darunter PyTorch oder JAX.
- Erfahrung in der Entwicklung wissenschaftlicher Software.
- Promotion oder vergleichbare Forschungserfahrung in maschinellem Lernen, computergestützter Chemie, Chemieingenieurwesen, Physik, Statistik oder einer verwandten quantitativen Fachrichtung.
- Bis zu zwei Jahre industrielle Forschungserfahrung für die Position als Scientist oder mehr als zwei Jahre für die Position als Senior Scientist.
- Nachweis wissenschaftlicher Exzellenz durch Fachpublikationen oder Konferenzbeiträge beziehungsweise ein öffentliches Portfolio relevanter Arbeiten.
- Von Vorteil: Erfahrung in der Entwicklung von Retrosynthese- oder Syntheseplanungsmodellen.
- Von Vorteil: Erfahrung mit automatisierter oder Hochdurchsatz-Synthese.
Zusatzleistungen
- Ein freiwilliger jährlicher Bonus kann abhängig von der individuellen Leistung und der Unternehmensleistung angeboten werden.
- Die Leistungen werden unter dem bereitgestellten Link beschrieben.