Roche je globalno zdravstveno podjetje, ki združuje farmacevtske raziskave in razvoj z diagnostičnim testiranjem ter digitalnim zdravjem. Njegovo delo je usmerjeno v izboljševanje izidov zdravljenja z zgodnejšim odkrivanjem bolezni, bolj ciljnimi terapijami in znanstveno utemeljenimi inovacijami, vključno z orodji, ki uporabljajo umetno inteligenco. Podjetje razvija rešitve za kompleksne bolezni, kot so rak in nevrološka obolenja, ter sodeluje z zdravstvenimi sistemi, raziskovalnimi partnerji in drugimi deležniki po vsem svetu.
Višji znanstvenik za strojno učenje, načrtovanje in optimizacijo sinteze
Razvijajte modele strojnega učenja za molekularno načrtovanje, ki upošteva sintezo, vključno z načrtovanjem, generiranjem in optimizacijo. Gradite avtomatizirane delovne tokove sinteze, ki podpirajo Rochejeve raziskave odkrivanja zdravil na podlagi umetne inteligence.
Opis
- Izboljšujte metode strojnega učenja za molekularno načrtovanje, ki upošteva sintezo, vključno z retrosintezo, načrtovanjem sinteze, generiranjem molekul in iskanjem po kemijskih prostorih sintetizabilnih spojin.
- Združujte lastniške reakcijske in biokemijske podatke za ustvarjanje modelov in delovnih tokov, ki upoštevajo sintezo pri odkrivanju in optimizaciji zadetkov.
- Razvijajte zanesljive in razširljive cevovode aktivnega učenja, povezane z avtomatiziranimi in visokozmogljivimi platformami za sintezo.
- Ustvarjajte algoritme za paketno načrtovanje sinteze, ki izboljšujejo pokritost kemijskega prostora, informacijski izkoristek in eksperimentalno učinkovitost.
- K znanstvenemu napredku prispevajte z objavami, odprtokodnimi projekti in predstavitvami na konferencah.
- Sodelujte z računalniškimi in eksperimentalnimi znanstveniki v Rocheju ter z zunanjimi akademskimi sodelavci.
- Razvijajte pristope strojnega učenja, ki ustvarjajo sintetizabilne molekule in povezujejo generativno načrtovanje z avtomatizirano sintezo.
Zahteve
- Napredno znanje strojnega učenja, utemeljeno na linearni algebri, verjetnosti in optimizaciji.
- Praktične izkušnje z grafovskimi nevronskimi mrežami, sekvenčnimi ali jezikovnimi modeli ter učenjem z okrepitvijo.
- Delovno poznavanje kemijskih konceptov, ki se uporabljajo pri načrtovanju sinteze in optimizaciji molekul.
- Izkušnje z nabori podatkov majhnih molekul in uporabo kemoinformatičnih orodij, kot sta RDKit ali OpenEye.
- Odlično znanje Pythona.
- Izkušnje s sodobnimi ogrodji strojnega učenja, vključno s PyTorchom ali JAXom.
- Izkušnje z razvojem znanstvene programske opreme.
- Doktorat ali primerljive raziskovalne izkušnje s področja strojnega učenja, računalniške kemije, kemijskega inženirstva, fizike, statistike ali sorodne kvantitativne discipline.
- Do dve leti industrijskih raziskovalnih izkušenj za raven Scientist oziroma več kot dve leti za raven Senior Scientist.
- Dokazila o znanstveni odličnosti v obliki objav v revijah ali na konferencah oziroma javnega portfelja ustreznega dela.
- Zaželeno: izkušnje z razvojem modelov retrosinteze ali načrtovanja sinteze.
- Zaželeno: izkušnje z avtomatizirano ali visokozmogljivo sintezo.
Ugodnosti
- Na podlagi individualne uspešnosti in uspešnosti družbe se lahko ponudi diskrecijski letni bonus.
- Ugodnosti so opisane na navedeni povezavi.