CuspAI er et selskap innen kunstig intelligens og materialvitenskap med base i Cambridge i Storbritannia, som utvikler raskere metoder for å oppdage og utforme nye materialer. Selskapets AI Materials Foundry kobler materialforskere sammen med industrielle laboratorier, data- og datapartnere samt integrerte laboratoriearbeidsflyter for å støtte B2B-basert materialutvikling. Selskapet fokuserer på bruksområder innen blant annet halvledere, energilagring, katalysatorer, separasjonsteknologi og andre områder innen avansert produksjon, og arbeider dermed i skjæringspunktet mellom AI, vitenskapelig forskning og industriell teknologi.
Leder for vitenskapelige utviklerrelasjoner – hybrid i Singapore
Hjelp CuspAIs partnere med å bruke AI til oppdagelse av avanserte materialer. Oversett utfordringer innen materialvitenskap til plattformveiledning, tekniske ressurser og samarbeidsprogrammer.
Beskrivelse
- Tilby vitenskapelig ekspertise og teknisk veiledning på tvers av CuspAIs partnerekosystem
- Utvikle rammeverket for teknisk kompetansebygging og vitenskapelig rådgivning som støtter innføringen av CuspAIs AI-plattform
- Samarbeide med ansvarlig for Foundry Partnerships om å engasjere teknologi- og industripartnere
- Gjøre komplekse behov innen materialvitenskap om til praktiske plattformløsninger
- Være den viktigste tekniske og vitenskapelige kontaktpersonen for partnernes tekniske ledere, beregningskjemikere og materialforskere
- Veilede partnere som bruker CuspAIs plattform til å håndtere utfordringer innen halvlederytelse, karbonfangst og energilagring
- Lede tekniske workshopper, kodegjennomganger og vitenskapelige demonstrasjoner for eksterne ekspertmålgrupper
- Utarbeide teknisk dokumentasjon, eksempler på notebooker, API-er og referansemateriale for avanserte arbeidsflyter innen materialvitenskap
- Knytte community-arrangementer sammen med praktisk teknisk støtte for partnernes Discovery Sprints
- Samarbeide med teamene for AI-forskning, beregningskjemi og produktutvikling for å omsette partnerinnspill til plattformprioriteringer
- Skrive dybdetekniske casestudier, whitepapers og teknisk blogginnhold sammen med markedsførings- og PR-teamene
Krav
- Akademisk utdanning eller tilsvarende yrkeserfaring innen materialvitenskap, kjemi, fysikk eller elektroteknikk
- Praktisk erfaring med verktøy for beregningskjemi, programvare for molekylsimulering eller Python-baserte arbeidsflyter for datavitenskap
- Erfaring med PyTorch, ASE eller RDKit
- Dokumentert erfaring med utviklerrelasjoner, teknisk partnerteknikk eller applikasjonsvitenskap
- Erfaring fra en raskt voksende oppstartsbedrift, en deep-tech-organisasjon eller et selskap innen avanserte materialer er en fordel
- Sterke tekniske kommunikasjonsevner og evne til å gjøre vitenskapelige konsepter og komplekse arbeidsflyter i AI-plattformer om til praktisk veiledning
- En sterk interesse for banebrytende AI og anvendelsene av teknologien innen materialvitenskap
- Engasjement for bærekraftige teknologier med meningsfull innvirkning i den virkelige verden
- Erfaring med å lede felles utvikler- eller forskningsprogrammer med større teknologiselskaper innen maskinvare er en fordel
- Bakgrunn fra et halvlederstøperi, et designfirma eller en leverandør av elektronikkmaterialer er en fordel
- Flytende i et ekstra språk som er relevant for globale knutepunkter, for eksempel japansk, koreansk eller tysk, er en fordel
- Kunnskap om krystallografi, materialegenskaper og avanserte maskinlæringsmodeller for prediksjon av egenskaper er en fordel
- Mulighet til å arbeide fra kontoret tre dager i uken
- Villighet til å reise regelmessig til andre steder for samarbeid og prosjektarbeid
Fordeler
- Eierandel i CuspAI
- 28 dagers årlig ferie i Tyskland, Nederland eller Storbritannia, eller 21 dager i Japan, Singapore eller USA, i tillegg til lokale offentlige fridager
- 26 ukers fullt betalt foreldrepermisjon for primære omsorgspersoner
- 12 ukers fullt betalt foreldrepermisjon for sekundære omsorgspersoner
- Budsjett for faglig utvikling
- Tverrfaglig samarbeid med team innen AI-forskning, beregningskjemi og eksperimentell vitenskap
- Rimelig fleksibilitet og tilpasninger under eller etter intervjuprosessen