Roche je globalna zdravstvena tvrtka koja povezuje farmaceutska istraživanja i razvoj s dijagnostičkim testiranjem i digitalnim zdravljem. Njezin je rad usmjeren na poboljšanje ishoda liječenja kroz ranije otkrivanje bolesti, ciljanije terapije i inovacije utemeljene na znanosti, uključujući alate koji koriste umjetnu inteligenciju. Tvrtka razvija rješenja za složene bolesti poput raka i neuroloških poremećaja te surađuje sa zdravstvenim sustavima, istraživačkim partnerima i drugim dionicima diljem svijeta.
Viši znanstvenik za strojno učenje, planiranje i optimizaciju sinteze
Razvijajte modele strojnog učenja za molekularni dizajn koji uzima u obzir sintezu, planiranje, generiranje i optimizaciju. Izgradite automatizirane radne tokove sinteze koji podržavaju Rocheova istraživanja otkrivanja lijekova vođena umjetnom inteligencijom.
Opis
- Unapređujte metode strojnog učenja za molekularni dizajn koji uzima u obzir sintezu, uključujući retrosintezu, planiranje sinteze, generiranje molekula i pretraživanje prostora kemikalija koje se mogu sintetizirati.
- Kombinirajte vlasničke podatke o reakcijama i biokemijske podatke kako biste izradili modele i radne tokove koji uzimaju u obzir sintezu za otkrivanje i optimizaciju početnih spojeva.
- Razvijajte pouzdane i skalabilne cjevovode aktivnog učenja povezane s automatiziranim platformama za sintezu i platformama za sintezu velikog kapaciteta.
- Izrađujte algoritme za plansku sintezu u serijama koji poboljšavaju pokrivenost kemijskog prostora, informacijski dobitak i eksperimentalnu učinkovitost.
- Doprinosite znanstvenom napretku publikacijama, projektima otvorenog koda i izlaganjima na konferencijama.
- Surađujte s računalnim i eksperimentalnim znanstvenicima u Rocheu te s vanjskim akademskim suradnicima.
- Razvijajte pristupe strojnog učenja koji generiraju molekule koje se mogu sintetizirati i povezuju generativni dizajn s automatiziranom sintezom.
Zahtjevi
- Napredno znanje strojnog učenja utemeljeno na linearnoj algebri, vjerojatnosti i optimizaciji.
- Praktično iskustvo s grafovskim neuronskim mrežama, sekvencijskim ili jezičnim modelima te učenjem potkrepljivanjem.
- Poznavanje kemijskih koncepata koji se primjenjuju u planiranju sinteze i optimizaciji molekula.
- Iskustvo u radu s skupovima podataka malih molekula i korištenju kemoinformatičkih alata kao što su RDKit ili OpenEye.
- Napredno znanje Pythona.
- Iskustvo sa suvremenim okvirima za strojno učenje, uključujući PyTorch ili JAX.
- Iskustvo u razvoju znanstvenog softvera.
- Doktorat ili usporedivo istraživačko iskustvo iz strojnog učenja, računalne kemije, kemijskog inženjerstva, fizike, statistike ili srodne kvantitativne discipline.
- Do dvije godine industrijskog istraživačkog iskustva za razinu Scientist ili više od dvije godine za razinu Senior Scientist.
- Dokazi znanstvene izvrsnosti kroz publikacije u časopisima ili na konferencijama ili javni portfelj relevantnog rada.
- Poželjno: iskustvo u razvoju modela retrosinteze ili planiranja sinteze.
- Poželjno: iskustvo s automatiziranom sintezom ili sintezom velikog kapaciteta.
Pogodnosti
- Može se ponuditi diskrecijski godišnji bonus na temelju individualnog učinka i učinka Društva.
- Pogodnosti su opisane na navedenoj poveznici.