Rocheは、医薬品の研究開発に診断検査とデジタルヘルスを組み合わせたグローバルなヘルスケア企業です。より早期の発見、より的確な治療、科学に基づくイノベーション（AIを活用したツールを含む）を通じて、患者さんの治療成果の向上に取り組んでいます。がんや神経疾患などの複雑な疾患に対するソリューションを開発し、世界各地の医療システム、研究パートナー、その他の関係者と連携しています。
シニア機械学習サイエンティスト：合成計画と最適化
合成を考慮した分子設計、計画、生成、最適化のための機械学習モデルを開発します。Roche の AI 主導型創薬研究を支える自動合成ワークフローを構築します。
仕事内容
- 逆合成、合成計画、分子生成、合成可能な化学空間の探索など、合成を考慮した分子設計のための機械学習手法を発展させる。
- 独自の反応データと生化学データを組み合わせ、ヒット化合物の探索と最適化に用いる合成考慮型モデルおよびワークフローを構築する。
- 自動合成プラットフォームおよびハイスループット合成プラットフォームと接続する、信頼性と拡張性に優れたアクティブラーニングパイプラインを開発する。
- 化学空間のカバレッジ、情報利得、実験効率を向上させるバッチ合成計画アルゴリズムを作成する。
- 論文発表、オープンソースプロジェクト、学会発表を通じて科学の進歩に貢献する。
- Roche の計算科学者および実験科学者、ならびに外部の学術研究者と連携する。
- 合成可能な分子を生成する機械学習手法を開発し、生成的設計と自動合成を結び付ける。
応募要件
- 線形代数、確率、最適化に基づく高度な機械学習の専門知識。
- グラフニューラルネットワーク、系列モデルまたは言語モデル、強化学習の実務経験。
- 合成計画および分子最適化で用いられる化学概念に関する知識。
- 小分子データセットの取り扱い、および RDKit や OpenEye などのケモインフォマティクスツールの使用経験。
- Python に精通していること。
- PyTorch や JAX など、最新の機械学習フレームワークの使用経験。
- 科学ソフトウェア開発の経験。
- 機械学習、計算化学、化学工学、物理学、統計学、または関連する定量分野の博士号または同等の研究経験。
- Scientist レベルでは業界での研究経験が2年以内、Senior Scientist レベルでは2年を超える業界での研究経験。
- 学術誌または学会での論文発表、あるいは関連業績の公開ポートフォリオによって科学的卓越性を示していること。
- 歓迎：逆合成または合成計画モデルの開発経験。
- 歓迎：自動合成またはハイスループット合成の経験。
福利厚生
- 個人および会社の業績に基づき、裁量による年次賞与が支給される場合があります。
- 福利厚生については、提供されたリンクをご覧ください。