CuspAI är ett företag inom artificiell intelligens och materialvetenskap baserat i Cambridge i Storbritannien, som utvecklar snabbare metoder för att upptäcka och utforma nya material. Företagets AI Materials Foundry sammanför materialforskare med industriella laboratorier, data- och datorkompartner samt integrerade laboratorieprocesser för att stödja B2B-baserad materialutveckling. Företaget fokuserar på tillämpningar inom bland annat halvledare, energilagring, katalysatorer, separationsteknik och andra områden inom avancerad tillverkning, vilket placerar verksamheten i skärningspunkten mellan AI, vetenskaplig forskning och industriell teknik.
Manager för vetenskapliga utvecklarrelationer – hybrid i Singapore
Hjälp CuspAI:s partner att använda AI för upptäckt av avancerade material. Översätt utmaningar inom materialvetenskap till plattformsstöd, tekniska resurser och samarbetsprogram.
Beskrivning
- Tillhandahålla vetenskaplig expertis och teknisk vägledning i hela CuspAI:s partnerekosystem
- Utveckla ramverket för teknisk kompetensutveckling och vetenskaplig rådgivning som stöder införandet av CuspAI:s AI-plattform
- Samarbeta med ansvarig för Foundry Partnerships för att engagera teknik- och industripartner
- Omsätta komplexa behov inom materialvetenskap till praktiska plattformslösningar
- Vara den huvudsakliga tekniska och vetenskapliga kontaktpersonen för partnernas tekniska ledare, beräkningskemister och materialvetare
- Vägleda partner som använder CuspAI:s plattform för att hantera utmaningar inom halvledarprestanda, koldioxidinfångning och energilagring
- Leda tekniska workshoppar, kodsessioner och vetenskapliga demonstrationer för externa expertmålgrupper
- Skapa teknisk dokumentation, exempel på notebookar, API:er och referensmaterial för arbetsflöden inom avancerad materialvetenskap
- Koppla samman community-evenemang med praktiskt tekniskt stöd för partnernas Discovery Sprints
- Samarbeta med teamen för AI-forskning, beräkningskemi och produktutveckling för att omvandla partnerfeedback till plattformsprioriteringar
- Skriva djuptekniska fallstudier, whitepapers och tekniskt bloggmaterial tillsammans med marknadsförings- och PR-teamen
Krav
- Akademisk utbildning eller motsvarande yrkeserfarenhet inom materialvetenskap, kemi, fysik eller elektroteknik
- Praktisk erfarenhet av verktyg för beräkningskemi, programvara för molekylsimulering eller Python-baserade arbetsflöden för datavetenskap
- Erfarenhet av PyTorch, ASE eller RDKit
- Dokumenterad erfarenhet av utvecklarrelationer, tekniskt partneringenjörsarbete eller applikationsvetenskap
- Erfarenhet från en snabbväxande startup, en djupteknisk organisation eller ett företag inom avancerade material är meriterande
- Stark teknisk kommunikationsförmåga och förmåga att omsätta vetenskapliga koncept och komplexa arbetsflöden i AI-plattformar till praktisk vägledning
- Ett starkt intresse för banbrytande AI och dess tillämpningar inom materialvetenskap
- Entusiasm för hållbar teknik med meningsfull praktisk påverkan
- Erfarenhet av att leda gemensamma utvecklar- eller forskningsprogram med större teknikföretag inom hårdvara är meriterande
- Bakgrund inom ett halvledargjuteri, ett konstruktionsföretag eller en leverantör av elektronikmaterial är meriterande
- Flytande kunskaper i ytterligare ett språk som är relevant för globala nav, exempelvis japanska, koreanska eller tyska, är meriterande
- Kunskap om kristallografi, materialegenskaper och avancerade maskininlärningsmodeller för egenskapsförutsägelse är meriterande
- Möjlighet att arbeta från kontoret tre dagar i veckan
- Villighet att regelbundet resa till andra platser för samarbete och projektarbete
Förmåner
- Delägarskap i CuspAI
- 28 dagars årlig semester i Tyskland, Nederländerna eller Storbritannien, eller 21 dagar i Japan, Singapore eller USA, utöver lokala helgdagar
- 26 veckors fullt betald föräldraledighet för primära vårdnadshavare
- 12 veckors fullt betald föräldraledighet för sekundära vårdnadshavare
- Budget för professionell utveckling
- Tvärvetenskapligt samarbete med team inom AI-forskning, beräkningskemi och experimentell vetenskap
- Rimlig flexibilitet och anpassningar under eller efter intervjuprocessen