한국에서 꿈을 이루세요.

지금 바로 비잡과 함께 시작하세요.

[Mogam Biotechnology Research Institute] Набор на должность исследователя по разработке новых лекарств Small Molecule AI (PhD, без опыта·с опытом)

(재)목암생명과학연구소 · 서울 서초구 강남대로41길 15-19

✨Описание работы - Исследователь в области Small Molecule AI для разработки новых лекарств - Разработка и применение AI/ML-моделей для разработки низкомолекулярных лекарств с получением hit/lead-кандидатов, пригодных для экспериментальной проверки - Разработка методологий уровня, пригодного для публикации в научной статье - Разработка моделей прогнозирования активности, ADMET и токсичности - Генеративные модели и структура-ориентированный молекулярный дизайн, многокритериальная оптимизация - Проведение виртуального скрининга, active learning, курирования обучающих данных - Воспроизведение и улучшение современных моделей, публикация статей в SCI-журналах и на AI-конференциях - Интерпретация результатов и обмен кандидатами с командой химико-биологических исследований ✅Требования к кандидату - Обладатель степени PhD или лицо, ожидающее её получение до выхода на работу - PhD в области компьютерной инженерии·AI, вычислительной химии, хемоинформатики, фармации, химии или смежной области - 0~5 лет опыта после получения степени PhD (включая опыт постдокторантуры) - Исследовательский опыт уровня PhD в области AI-разработки лекарств - Не менее 1 대표ной статьи в качестве первого автора в смежной области - Уверенное владение разработкой моделей на Python и PyTorch или JAX - Способность воспроизводить и проверять статьи и open-source модели - Базовые знания medicinal chemistry (SAR, ADMET) и умение работать с RDKit - Отсутствие оснований для дисквалификации согласно правилам трудоустройства исследовательского института - Отсутствие ограничений для зарубежных поездок и работы за рубежом 💖Предпочтительно - Опыт публикаций в NeurIPS, ICML, ICLR - Опыт работы с генеративными моделями, такими как Diffusion, equivariant GNN, co-folding model - Опыт active learning, Bayesian optimization, крупномасштабного виртуального скрининга - Опыт участия в реальных проектах по разработке лекарств или вклад в open-source·научные сообщества - Опыт Docking, FEP, MD - Наличие preprint или публично доступных моделей·кода - Опыт оценки неопределенности прогнозов (calibration, applicability domain) - Лица, относящиеся к категории трудовой защиты (ветераны, люди с инвалидностью и т. п.) 🏠Место работы - 3-й этаж, здание M11, 15-19, Gangnam-daero 41-gil, район Сочхо, Сеул - Рядом со станцией Янчжэ ⚡️Процесс отбора - Документы → тест на личностные качества (онлайн) → 1-е интервью (презентационное интервью) → 2-е интервью → обсуждение условий - На 1-м интервью: около 20 минут презентации по основному исследованию, затем вопросы и ответы и технические вопросы - Также рассматривается предоставленный открытый код - Для кандидатов с опытом: обсуждение условий после проверки рекомендаций, окончательное одобрение после медосмотра - О результате, независимо от успеха, сообщают по E-mail и SMS 👉Период/способ набора - Период подачи: до закрытия вакансии - Способ подачи: через сайт найма 📋Прочее - Полная занятость, после трудоустройства испытательный срок 2 месяца - Работа в офисе 5 дней в неделю, гибкий график на основе 08:30~17:30 - Нельзя одновременно подаваться на другие вакансии Mokam Life Science Research Institute и аффилированных компаний - Должность и условия обсуждаются в зависимости от опыта и результатов - Предоставляется поддержка облачных·GPU ресурсов - Поощряются публикации в статьях и на конференциях - Поданные документы можно запросить на возврат; после истечения срока хранения они будут уничтожены

Условия работы

Период работы
Долгосрочный
Рабочее время
08:30 ~ 17:30

Условия набора

Срок подачи заявок
Закрывается при найме
Форма занятости
Постоянная работа
Зарплата
Определяется после собеседования

Требования к кандидатам

Опытный
Опыт не имеет значения
Образование
Магистр или выше
Преимущества
Опыт с публикациями в NeurIPS, ICML, ICLR Опыт с генеративными моделями, такими как diffusion, equivariant GNN и моделями co-folding Опыт в active learning, Bayesian optimization и крупномасштабном виртуальном скрининге Опыт участия в реальных проектах по разработке лекарств или вклада в open source / научные конференции Опыт в docking, FEP, MD Наличие препринта или опубликованной модели/кода Опыт оценки неопределенности прогнозов (calibration, applicability domain) Льготная категория при трудоустройстве (ветераны, люди с инвалидностью и т. д.)
Льготы и социальные программы
Поддержка облачных·GPU-ресурсов Поощрение публикаций и выступлений на конференциях