Roche to globalna firma z sektora ochrony zdrowia, która łączy badania i rozwój farmaceutyków z testami diagnostycznymi oraz cyfrową opieką zdrowotną. Jej działalność koncentruje się na poprawie wyników leczenia dzięki wcześniejszemu wykrywaniu chorób, bardziej ukierunkowanym terapiom i innowacjom opartym na badaniach naukowych, w tym narzędziom wykorzystującym sztuczną inteligencję. Firma opracowuje rozwiązania dla złożonych chorób, takich jak nowotwory i schorzenia neurologiczne, współpracując z systemami ochrony zdrowia, partnerami badawczymi oraz innymi interesariuszami na całym świecie.
Starszy naukowiec ds. uczenia maszynowego: planowanie i optymalizacja syntezy
Opracowuj modele uczenia maszynowego na potrzeby syntezoświadomego projektowania, planowania, generowania i optymalizacji cząsteczek. Twórz zautomatyzowane procesy syntezy wspierające badania Roche nad odkrywaniem leków z wykorzystaniem AI.
Opis
- Rozwijać metody uczenia maszynowego na potrzeby syntezoświadomego projektowania cząsteczek, w tym retrosyntezy, planowania syntezy, generowania cząsteczek i przeszukiwania przestrzeni chemicznych związków możliwych do zsyntetyzowania.
- Łączyć własne dane dotyczące reakcji z danymi biochemicznymi w celu tworzenia syntezoświadomych modeli i procesów wyszukiwania oraz optymalizacji hitów.
- Opracowywać niezawodne, skalowalne potoki aktywnego uczenia, które łączą się ze zautomatyzowanymi platformami syntezy i platformami syntezy wysokoprzepustowej.
- Tworzyć algorytmy planowania syntezy seryjnej, które zwiększają pokrycie przestrzeni chemicznej, przyrost informacji i efektywność eksperymentów.
- Przyczyniać się do postępu naukowego poprzez publikacje, projekty open source i prezentacje konferencyjne.
- Współpracować z naukowcami obliczeniowymi i eksperymentalnymi w Roche oraz z zewnętrznymi partnerami akademickimi.
- Opracowywać metody uczenia maszynowego do generowania cząsteczek możliwych do zsyntetyzowania oraz łączyć projektowanie generatywne ze zautomatyzowaną syntezą.
Wymagania
- Zaawansowana wiedza z zakresu uczenia maszynowego, poparta znajomością algebry liniowej, rachunku prawdopodobieństwa i optymalizacji.
- Praktyczne doświadczenie z grafowymi sieciami neuronowymi, modelami sekwencyjnymi lub językowymi oraz uczeniem ze wzmocnieniem.
- Praktyczna znajomość zagadnień chemicznych stosowanych w planowaniu syntezy i optymalizacji cząsteczek.
- Doświadczenie w pracy z zestawami danych dotyczących małych cząsteczek oraz z narzędziami cheminformatycznymi, takimi jak RDKit lub OpenEye.
- Biegła znajomość języka Python.
- Doświadczenie z nowoczesnymi frameworkami uczenia maszynowego, w tym PyTorch lub JAX.
- Doświadczenie w tworzeniu oprogramowania naukowego.
- Stopień doktora lub porównywalne doświadczenie badawcze w dziedzinie uczenia maszynowego, chemii obliczeniowej, inżynierii chemicznej, fizyki, statystyki lub pokrewnej dyscypliny ilościowej.
- Do dwóch lat doświadczenia badawczego w przemyśle na poziomie Scientist lub ponad dwa lata na poziomie Senior Scientist.
- Potwierdzone osiągnięcia naukowe w postaci publikacji w czasopismach lub materiałach konferencyjnych albo publicznego portfolio odpowiednich prac.
- Mile widziane: doświadczenie w tworzeniu modeli retrosyntezy lub planowania syntezy.
- Mile widziane: doświadczenie w syntezie zautomatyzowanej lub wysokoprzepustowej.
Benefity
- Może zostać przyznana uznaniowa premia roczna zależna od indywidualnych wyników oraz wyników firmy.
- Informacje o świadczeniach opisano pod podanym linkiem.