Naukowiec II / Starszy naukowiec ML, współfolder i ML świadomy struktury

<p><strong>Twój wpływ w LILA</strong></p> <p>Lila Sciences poszukuje specjalisty ds. uczenia maszynowego, specjalisty ds. współfoldowania i uczenia maszynowego uwzględniającego strukturę do szkolenia modeli współfałdowania nowej generacji na potrzeby odkrywania leków. Ta rola koncentruje się na ulepszaniu modeli, które analizują białka, ligandy, kontekst wiązania i dane eksperymentalne, potencjalnie wykorzystując uczenie się kontrastowe i powiązane podejścia do uczenia się poprzez reprezentację.</p> <p>Ta osoba powinna mieć bezpośrednie doświadczenie w szkoleniu nowoczesnych naukowych modeli uczenia maszynowego, a nie tylko przy użyciu wstępnie wytrenowanych systemów. Będziesz współpracować z badaczami ML, chemikami obliczeniowymi, biofizykami obliczeniowymi, inżynierami danych i zespołami odkrywającymi leki, aby opracować modele, które uczą się na podstawie DEL i powiązanych zbiorów danych, łączą kontekst molekularny i białkowy oraz usprawniają decyzje dotyczące odkryć oparte na sztucznej inteligencji.</p> <p>Modele opracowane na tym stanowisku powinny generować wyniki, które chemicy medyczni i obliczeniowi, a także biofizycy będą mogli przesłuchiwać, weryfikować i wykorzystywać w dalszych decyzjach dotyczących odkryć opartych na agentach.</p> <p><strong>Co będziesz budować</strong></p> <ul> <li>Trenuj i oceniaj modele współskładania na potrzeby zastosowań białko-ligand i powiązane odkrycia molekularne.</li> <li>Wykorzystuj uczenie się kontrastowe, uczenie się reprezentacji, uczenie się pod nadzorem lub pokrewne metody, które pomagają udoskonalać modele współskładania wytrenowane na cząsteczkach, białkach, strukturach i odczytach eksperymentalnych.</li> <li>Opracuj podejścia do modelowania, które sprawią, że dane DEL będą bardziej przydatne do uczenia się wiązania, wzbogacania, selektywność i sygnały struktura-aktywność.</li> <li>Buduj i oceniaj modele oparte na Boltz, współskładaniu w stylu AlphaFold, ekwiwariantnych sieciach GNN i pokrewnych metodach ML świadomych struktury.</li> <li>Projektuj cele szkoleniowe, w tym cele kontrastowe, samonadzorowane lub multimodalne, które łączą ligandy, białka, struktury, testy, symulacje i dane eksperymentalne.</li> <li>Buduj rygorystyczne ramy oceny, które mają znaczenie uczenie się molekularne na podstawie artefaktów zbiorów danych, wycieków lub fałszywych korelacji.</li> <li>Współpracuj z zespołami danych i platform w celu zdefiniowania zbiorów danych, etykiet, negatywów, kontroli i metadanych potrzebnych do uczenia modeli.</li> <li>Współpracuj z zespołami zajmującymi się chemią obliczeniową i biofizyką, aby połączyć wyniki modelu z hipotezami znaczącymi pod względem fizycznym i chemicznym.</li> <li>Współpracuj z naukowcami zajmującymi się uczeniem się o małej ilości danych, aby określić, które dane DEL, testy, symulacje lub dane strukturalne przyniosą największą poprawę wydajność modeli w określonych przestrzeniach chemicznych.</li> <li>Współpracuj z inżynierami badawczymi, aby skalować procesy szkolenia, wnioskowania i oceny.</li> <li>Pomóż w prezentowaniu wyszkolonych modeli i możliwości wynikających z modeli jako narzędzi dla naukowców i agentów AI.</li> </ul> <p><strong>Co będzie potrzebne, aby odnieść sukces</strong></p> <ul> <li>Doktorat lub równoważne doświadczenie w zakresie uczenia maszynowego, biologii obliczeniowej, chemii obliczeniowej, bioinformatyki, informatyki nauka lub dziedzina pokrewna.</li> <li>Praktyczne doświadczenie w szkoleniu modeli głębokiego uczenia się do zastosowań w biologii molekularnej, białek, biologii strukturalnej lub danych naukowych.</li> <li>Doświadczenie w uczeniu kontrastowym, uczeniu reprezentacyjnym, uczeniu się pod nadzorem lub uczeniu multimodalnym.</li> <li>Znajomość DEL lub powiązanych zbiorów danych dotyczących selekcji, wzbogacania, przesiewania lub testów molekularnych.</li> <li>Doświadczenie w modelowaniu białko-ligand, współfoldowanie, przewidywanie struktury, głębokie uczenie geometryczne lub molekularne ML ze świadomością struktury.</li> <li>Praktyczne doświadczenie z PyTorch, JAX lub równoważną platformą ML.</li> <li>Umiejętność projektowania dokładnych eksperymentów, ablacji i ocen naukowych modeli ML.</li> <li>Dogłębne zrozumienie jakości danych, ryzyka wycieku, konstrukcji negatywnej i projektowania wzorców.</li> <li>Umiejętność współpracy w zakresie uczenia maszynowego, danych i obliczeń nauki i funkcje odkrywania leków.</li> </ul> <p><strong>Punkty dodatkowe za</strong></p> <ul> <li>Praktyczne doświadczenie z danymi DEL.</li> <li>Doświadczenie w odkrywaniu leków, zwłaszcza w kontekście modelowania białko-ligand lub w kontekście optymalizacji molekularnej.</li> <li>Doświadczenie z metodami Boltz, AlphaFold lub wywodzącymi się z AlphaFold, równoważnymi GNN, modelami dyfuzji, modelami języka białek lub molekularnymi kodery.</li> <li>Doświadczenie w szkoleniu lub rozszerzaniu modeli współskładania, białko-ligand, białko-białko, przewidywania struktury, dyfuzji lub geometrycznego głębokiego uczenia się.</li> <li>Doświadczenie w szkoleniu modeli rozproszonych i wielkoskalowych potokach danych naukowych.</li> <li>Znajomość aktywnego uczenia się lub projektowania molekularnego w pętli zamkniętej.</li> <li>Doświadczenie w integracji modeli ML z agentycznymi procesami naukowymi.</li> </ul><div class="content-pay-transparency"><div class="pay-input"><div class="description"><p><strong>Wynagrodzenie</strong></p> <p>Oferujemy konkurencyjne wynagrodzenie podstawowe z potencjałem premiowym i dużym kapitałem własnym na wczesnym etapie.

Twoja ostateczna oferta będzie odzwierciedlać Twoje doświadczenie, wiedzę specjalistyczną i oczekiwany wpływ.</p> <p><strong>USA Świadczenia.</strong> Pracownicy pełnoetatowi w USA otrzymują kompleksowy program świadczeń obejmujący opiekę medyczną, dentystyczną i okulistyczną; opłacane przez pracodawcę ubezpieczenie na życie i rentowe; elastyczny czas wolny z hojnymi urlopami dla całej firmy; płatny urlop rodzicielski; program pomocy edukacyjnej; świadczenia dla osób dojeżdżających do pracy, w tym członkostwo w rowerach dla pracowników biurowych; oraz dotowany przez firmę program lunchów.</p> <p><strong>Świadczenia międzynarodowe.</strong> Pracownicy pełnoetatowi spoza USA otrzymują kompleksowy program świadczeń dostosowany do ich regionu. Przedziały wynagrodzeń w USD dotyczą tylko stanowisk w USA; międzynarodowe wynagrodzenia są dostosowane do rynku lokalnego.</p></div><div class="title">Oczekiwany zakres wynagrodzenia podstawowego</div><div class="pay-range"><span>228 000 USD</span><span class="divider"> - </span><span>358 000 USD</span></div></div></div><div class="content-conclusion"><p><strong>Informacje LILA</strong></p> <p>Lila Sciences tworzy naukową superinteligencję™, aby stawić czoła największym wyzwaniom ludzkości. Wierzymy, że nauka jest najbardziej inspirującą granicą dla sztucznej inteligencji.

Zamiast kodować wiedzę ekspercką na narzędzia, LILA buduje systemy, które mogą się same uczyć.</p> <p>LILA łączy zaawansowane modele sztucznej inteligencji z zastrzeżonymi instrumentami AI Science Factory™ w system operacyjny dla nauki, który autonomicznie realizuje całą metodę naukową, przyspieszając odkrycia z niespotykaną szybkością, skalą i wpływem na medycynę, materiały i energię. Więcej informacji znajdziesz na www.lila.ai.</p> <p>Kierując się naszymi podstawowymi wartościami, takimi jak prawda, zaufanie, ciekawość, stanowczość i szybkość, działamy z szybkością startową, rozwiązując problemy o znaczeniu historycznym. Jeśli brzmi to jak środowisko, w którym chciałbyś pracować, nawet jeśli nie spełniasz wszystkich powyższych kwalifikacji, zachęcamy do aplikowania.</p> <p><strong>Wszyscy jesteśmy za</strong></p> <p>Lila Sciences dokłada wszelkich starań, aby zapewnić równe szanse zatrudnienia bez względu na rasę, kolor skóry, pochodzenie, religię, płeć, narodowość, orientację seksualną, wiek, obywatelstwo, stan cywilny, niepełnosprawność, tożsamość płciową czy status weterana.</p> <p>Informacje podane podczas procesu aplikacyjnego będą przetwarzane zgodnie z naszą <a href="https://www.lila.ai/candidate-privacy-policy-notice">Polityką prywatności kandydatów</a>.</p> <p><strong>Uwaga dla agencji</strong></p> <p><em>Lila Sciences nie przyjmuje niezamówionych CV pochodzących z jakiegokolwiek źródła innego niż kandydaci.

Przesyłanie niechcianych życiorysów przez agencje rekrutacyjne lub pośrednictwa pracy firmie Lila Sciences lub jej pracownikom jest surowo zabronione, chyba że skontaktuje się z nią bezpośrednio wewnętrzny zespół ds. pozyskiwania talentów Lila Science. Każde CV przesłane przez agencję w przypadku braku podpisanej umowy automatycznie stanie się własnością Lila Sciences, a Lila Sciences nie będzie winna żadnych skierowań ani innych opłat z tego tytułu.</em></p></div>Znajdź więcej anglojęzycznych ofert pracy w Wielkiej Brytanii na Arbeitnow