Roche je globálna zdravotnícka spoločnosť, ktorá spája farmaceutický výskum a vývoj s diagnostickým testovaním a digitálnym zdravotníctvom. Zameriava sa na zlepšovanie výsledkov liečby prostredníctvom skoršej detekcie, cielenejších terapií a inovácií založených na vede vrátane nástrojov využívajúcich umelú inteligenciu. Spoločnosť vyvíja riešenia pre komplexné ochorenia, ako sú rakovina a neurologické ochorenia, a spolupracuje so zdravotníckymi systémami, výskumnými partnermi a ďalšími zainteresovanými stranami po celom svete.
Seniorný vedecký pracovník v oblasti strojového učenia, plánovania a optimalizácie syntézy
Vyvíjajte modely strojového učenia pre molekulárny dizajn zohľadňujúci syntézu, plánovanie, generovanie a optimalizáciu. Budujte automatizované syntetické pracovné postupy podporujúce výskum objavovania liekov v Roche založený na umelej inteligencii.
Popis
- Zdokonaľujte metódy strojového učenia pre molekulárny dizajn zohľadňujúci syntézu vrátane retrosyntézy, plánovania syntézy, generovania molekúl a vyhľadávania v syntetizovateľných chemických priestoroch.
- Kombinujte proprietárne reakčné a biochemické údaje s cieľom vytvárať modely a pracovné postupy zohľadňujúce syntézu na objavovanie a optimalizáciu nádejných látok.
- Vyvíjajte spoľahlivé a škálovateľné aktívne vzdelávacie pipeline prepojené s automatizovanými a vysokovýkonnými platformami syntézy.
- Vytvárajte algoritmy dávkového plánovania syntézy, ktoré zlepšujú pokrytie chemického priestoru, informačný zisk a experimentálnu efektivitu.
- Prispievajte k vedeckému pokroku prostredníctvom publikácií, projektov s otvoreným zdrojovým kódom a konferenčných prezentácií.
- Spolupracujte s výpočtovými a experimentálnymi vedcami v Roche a s externými akademickými spolupracovníkmi.
- Vyvíjajte prístupy strojového učenia, ktoré generujú syntetizovateľné molekuly a prepájajú generatívny dizajn s automatizovanou syntézou.
Požiadavky
- Pokročilé odborné znalosti strojového učenia založené na lineárnej algebre, pravdepodobnosti a optimalizácii.
- Praktické skúsenosti s grafovými neurónovými sieťami, sekvenčnými alebo jazykovými modelmi a posilňovaným učením.
- Pracovná znalosť chemických konceptov používaných pri plánovaní syntézy a optimalizácii molekúl.
- Skúsenosti s prácou s datasetmi malých molekúl a s používaním cheminformatických nástrojov, ako sú RDKit alebo OpenEye.
- Pokročilá znalosť jazyka Python.
- Skúsenosti so súčasnými frameworkmi strojového učenia vrátane PyTorch alebo JAX.
- Skúsenosti s vývojom vedeckého softvéru.
- PhD alebo porovnateľná výskumná prax v oblasti strojového učenia, výpočtovej chémie, chemického inžinierstva, fyziky, štatistiky alebo príbuzného kvantitatívneho odboru.
- Do dvoch rokov priemyselnej výskumnej praxe na úrovni Scientist alebo viac ako dva roky na úrovni Senior Scientist.
- Preukázaná vedecká excelentnosť prostredníctvom publikácií v časopisoch alebo na konferenciách, prípadne verejného portfólia relevantnej práce.
- Výhodou sú skúsenosti s vývojom modelov retrosyntézy alebo plánovania syntézy.
- Výhodou sú skúsenosti s automatizovanou alebo vysokovýkonnou syntézou.
Benefity
- Na základe individuálneho výkonu a výkonu spoločnosti môže byť poskytnutý nenárokovateľný ročný bonus.
- Benefity sú opísané na uvedenom odkaze.