AI Scientist（生物方向） 25k-35k

工作职责：
1. 开发并部署生成式AI模型： 设计、训练并优化***的深度学习模型（例如，蛋白质语言模型、扩散模型、变分自编码器），用于生成具有所需功能特性（如增强的稳定性、催化活性或结合亲和力）的新型蛋白质序列和代谢途径。
2. 构建数据优先的实验设计： 与我们的菌株和蛋白质工程团队紧密合作，共同设计高通量实验。你的参与将确保生成结构化、信息丰富的数据集，有效闭合"设计-构建-测试-学习"循环，并创建一个数据驱动发现的飞轮。
3. 构建预测性工程平台： 创建、验证并部署将基因型与表型联系起来的预测模型。这些模型将预测关键性能指标，如蛋白质表达水平、酶动力学和代谢通量，使我们能够理性地优先选择设计方案，并显著减少实验室中的试错过程。
4. 整合多模态生物数据： 开发稳健的计算流程，以摄取、清理并整合多样化且通常带有噪声的数据集——包括基因组学、蛋白质组学、代谢组学和发酵数据——将其转化为适合模型训练和大规模分析的统一表征。
5. 保持领域前沿地位： 进行持续的文献综述，实施来自***期刊（例如，NeurIPS、ICML、Nature）的新颖算法，并在公司内倡导新的计算方法。你将有机会在内部研讨会和外部科学会议上展示你的发现。

任职要求：
1. 教育背景： 拥有计算生物学、生物信息学、计算机科学、生物工程或相关定量领域的博士学位。
2. 对现代机器学习（包括深度学习架构，如Transformer、卷积神经网络、图神经网络）具有深厚的理论和实践理解。
3. 精通Python编程，并拥有常用机器学习框架（强烈推荐PyTorch；TensorFlow或JAX亦可）的丰富实践经验。
4. 拥有处理大型、复杂且通常带有噪声的生物数据集的实践经验，并具备从中提取有意义见解的可靠能力。
5. 将生成模型应用于蛋白质或序列设计的实践经验（例如，使用ProteinMPNN、RFdiffusion等模型，或开发新型蛋白质语言模型）。
6. 在领先的AI或计算生物学场合（例如，NeurIPS、ICML、ISMB、PLoS Computational Biology）有同行评审的出版物优先。
7. 熟悉分子建模软件（例如，Rosetta、PyMOL），并对支配蛋白质结构和功能的生物物理原理有基础性理解。