Roche是一家全球医疗健康公司，将药物研发与诊断检测和数字医疗相结合。公司致力于通过更早的疾病检测、更精准的治疗以及以科学为基础的创新来改善患者治疗效果，其中包括由人工智能支持的工具。Roche开发针对癌症和神经系统疾病等复杂疾病的解决方案，并与世界各地的医疗系统、科研合作伙伴及其他相关方开展合作。
高级机器学习科学家：合成规划与优化
开发用于合成感知分子设计、规划、生成和优化的机器学习模型。构建支持罗氏人工智能驱动药物发现研究的自动化合成工作流程。
描述
- 推进合成感知分子设计领域的机器学习方法，包括逆合成、合成规划、分子生成，以及在可合成化学空间中的搜索。
- 结合专有反应数据和生化数据，创建用于命中化合物发现与优化的合成感知模型和工作流程。
- 开发可靠且可扩展的主动学习流程，与自动化和高通量合成平台连接。
- 创建批量合成规划算法，提升化学空间覆盖率、信息增益和实验效率。
- 通过发表论文、参与开源项目和进行会议演讲，推动科学进步。
- 与罗氏的计算科学家和实验科学家，以及外部学术合作者开展合作。
- 开发能够生成可合成分子的机器学习方法，并将生成式设计与自动化合成相连接。
任职要求
- 具备扎实的线性代数、概率论和优化基础，以及高级机器学习专业能力。
- 具备图神经网络、序列模型或语言模型以及强化学习的实践经验。
- 了解合成规划和分子优化所涉及的化学概念。
- 具备处理小分子数据集并使用 RDKit 或 OpenEye 等化学信息学工具的经验。
- 熟练掌握 Python。
- 具备使用现代机器学习框架的经验，包括 PyTorch 或 JAX。
- 具有科学软件开发背景。
- 具备机器学习、计算化学、化学工程、物理学、统计学或相关定量学科的博士学位或同等研究经验。
- Scientist 职级需具备最多两年的行业研究经验，Senior Scientist 职级需具备两年以上行业研究经验。
- 通过期刊或会议论文，或相关工作的公开作品集证明科学卓越能力。
- 优先条件：具备开发逆合成或合成规划模型的经验。
- 优先条件：具备自动化或高通量合成经验。
福利待遇
- 可根据个人和公司绩效酌情提供年度奖金。
- 福利信息详见所提供的链接。