[Mogam Biotechnology Research Institute] Small Molecule AI шинэ эмийн хөгжүүлэлтийн судлаач (PhD, шинэ төгсөгч·ажлын туршлагатай) ажилд авна
(재)목암생명과학연구소 · 서울 서초구 강남대로41길 15-19
✨Ажлын байрны тодорхойлолт - Жижиг молекулын AI эмийн судалгааны ажилтан - Жижиг молекулын эмийн хөгжүүлэлтэд AI/ML загваруудыг боловсруулж, ашиглан туршилтаар баталгаажуулах боломжтой hit/lead нэр дэвшигчдийг гарган авах - Эрдэм шинжилгээний өгүүлэл болгон нийтлэх түвшний аргачлал хөгжүүлэх - Идэвхжил, ADMET, хоруу чанарын таамаглалын загвар хөгжүүлэх - Үүсгэгч загвар болон бүтэц суурьтай молекулын дизайн, олон зорилтот оновчлол хийх - Виртуал скрининг, active learning, сургалтын өгөгдлийн цэвэрлэгээ/бүрдүүлэлт хийх - Хамгийн сүүлийн үеийн загваруудыг дахин хэрэгжүүлж, сайжруулах болон SCI сэтгүүл, AI хуралд өгүүлэл нийтлэх - Үр дүнг тайлбарлаж, нэр дэвшигчийг химийн биологийн судалгааны багтай хуваалцах ✅Шаардлага - Докторын зэрэгтэй эсвэл ажилд орохоос өмнө авах төлөвтэй - Компьютерын шинжлэх ухаан·AI, тооцооллын хими, химоинформатик, эм зүй, хими эсвэл холбогдох салбарын доктор - Докторын зэрэг авснаас хойш 0~5 жилийн туршлага (докторант дараах туршлагыг оролцуулна) - AI эмийн хөгжүүлэлтийн салбарт докторын түвшний судалгааны туршлагатай - Холбогдох салбарт тэргүүлэх зохиогчоор нийтлэгдсэн дор хаяж 1 төлөөлөх өгүүлэлтэй - Python болон PyTorch эсвэл JAX ашиглан загваруудыг чадварлаг хөгжүүлэх чадвартай - Өгүүлэл, нээлттэй эхийн загваруудыг дахин хэрэгжүүлж, шалгах чадвартай - Эмийн химийн суурь мэдлэг (SAR, ADMET) болон RDKit ашиглах чадвартай - Судалгааны хүрээлэнгийн хөдөлмөрийн дотоод журамд заасан тэнцэхгүй нөхцөлгүй байх - Гадаад аялал болон гадаадад ажиллахад саад болох нөхцөлгүй байх 💖Давуу тал - NeurIPS, ICML, ICLR-д өгүүлэлтэй туршлага - Diffusion зэрэг үүсгэгч загвар, equivariant GNN, co-folding загварын туршлага - Active learning, Bayesian optimization, томоохон хэмжээний виртуал скринингийн туршлага - Бодит эмийн хөгжүүлэлтийн төсөлд оролцсон туршлага эсвэл нээлттэй эх/хурлын хувь нэмэр - Docking, FEP, MD-ийн туршлага - Preprint эсвэл нийтэлсэн загвар·кодтой - Таамаглалын тодорхойгүй байдлын үнэлгээний туршлага(calibration, applicability domain) - Ажил эрхлэлтийн хамгаалалтын бүлэгт хамаарах хүн (ахмад дайчид, хөгжлийн бэрхшээлтэй иргэд гэх мэт) 🏠Ажлын байр - Сөүл, Seocho-gu, Gangnam-daero 41-gil 15-19, M11 барилгын 3 давхар - Yangjae буудлын ойролцоо ⚡️Сонгон шалгаруулалтын явц - Материалын шалгаруулалт → Хувийн зан чанарын тест (онлайн) → 1-р шатны ярилцлага (танилцуулгын ярилцлага) → 2-р шатны ярилцлага → Цалин хөлсний тохиролцоо - 1-р шатны ярилцлагад гол судалгаагаа ойролцоогоор 20 минут танилцуулж, дараа нь асуулт-хариулт болон техникийн асуулт авна - Ирүүлсэн олон нийтэд нээлттэй кодыг мөн хамт шалгана - Туршлагатай ажил горилогчийн хувьд лавлагаа шалгасны дараа цалин хөлсийг тохиролцож, ажилд авах үзлэгийн дараа эцсийн баталгаа өгнө - Бүх үр дүнг тэнцсэн эсэхээс үл хамааран E-mail болон SMS-ээр мэдэгдэнэ 👉Бүртгэлийн хугацаа/арга - Өргөдөл хүлээн авах хугацаа: ажилтан бүрдтэл хаагдана - Өргөдөл гаргах арга: ажилд авах вэбсайтаар дамжуулан өргөдөл гаргана 📋Бусад - Байнгын орон тоо бөгөөд ажилд орсноос хойш 2 сарын туршилтын хугацаатай - Долоо хоногт 5 өдөр оффист ажиллах, 08:30~17:30 цагийн хүрээнд уян хатан цагийн системтэй - Мокам Амьдралын Шинжлэх Ухааны Судалгааны Хүрээлэн болон түүний харьяа байгууллагын бусад зарлагдсан ажлын байранд зэрэг өргөдөл гаргах боломжгүй - Албан тушаалын зэрэглэл болон цалин хөлсийг туршлага, амжилтаас хамааран тохиролцоно - Cloud·GPU нөөцөөр дэмжинэ - Өгүүлэл·хуралд илтгэл тавихыг дэмжинэ - Ажилд авах баримт бичгийг буцаан авах хүсэлт гаргах боломжтой бөгөөд хадгалалтын хугацаа дууссаны дараа устгана
Ажлын нөхцөл
- Ажиллах хугацаа
- Урт хугацааны
- Ажиллах цаг
- 08:30 ~ 17:30
Ажилд авах нөхцөл
- Өргөдөл хүлээн авах эцсийн өдөр
- Ажилд авмагц хаагдана
- Ажлын хэлбэр
- Бүтэн цагийн ажил
- Цалин
- Ярилцлагын дараа шийдвэр гаргана
Шаардлага
- Ажлын туршлага
- Туршлага шаардлагагүй
- Боловсрол
- Магистр ба түүнээс дээш
- Давуу нөхцөл
- NeurIPS, ICML, ICLR-ийн өгүүлэлтэй ажилласан туршлага Diffusion зэрэг үүсгэгч загварууд, equivariant GNN, co-folding загваруудын туршлага Active learning, Bayesian optimization, том хэмжээний virtual screening-ийн туршлага Бодит эмийн хөгжүүлэлтийн төслүүдэд оролцсон эсвэл open-source, хуралд хувь нэмэр оруулсан туршлага Docking, FEP, MD-ийн туршлага Preprint эсвэл нийтэлсэн модель, кодтой Төлөөлөхгүй байдал/таамаглалын тодорхойгүй байдлын үнэлгээний туршлага (calibration, applicability domain) Ажил эрхлэлтийн хамгаалалттай ангилалд хамаарах (дайны ахмад, хөгжлийн бэрхшээлтэй иргэн гэх мэт)
- Халамж & Ашиг тус
- Үүлэн·GPU нөөцийн дэмжлэг Эрдэм шинжилгээний өгүүлэл·хурал дээрх илтгэлийг дэмжих