Foundation and generative models for biomolecules

Bei Inceptive werden Sie die Entwicklung vorantreiben, die Milliarden von Menschen helfen könnte. Um dies zu erreichen, sind Sie Teil eines kollaborativen, interdisziplinären Teams, das unsere biologische Software entwickelt. Der Designraum von Biomolekülen ist unvorstellbar groß – weit über das hinaus, was experimentell erkundet werden kann. Doch innerhalb dieses Raums liegen Moleküle mit Eigenschaften, die für neue Medikamente entscheidend sind. Unsere maschinellen Lernmodelle lernen, therapeutische Biomoleküle mit spezifischen, wünschenswerten Funktionen zu entwerfen.

Wir verbessern den Stand der Technik im molekularen Design, indem wir groß angelegte Fundamentmodelle trainieren und modernste generative Ansätze entwickeln. Die Modelle lernen aus vielfältigen heterogenen Datensätzen und werden durch gezieltes Feintuning und Feedback aus Experimenten verfeinert. Der Schlüssel zum Fortschritt ist ein Team, das außergewöhnliche Expertise im maschinellen Lernen mit umfassendem Fachwissen kombiniert.

Sie werden eng mit anderen Forschern und Ingenieuren im Bereich maschinelles Lernen sowie mit computergestützten und experimentellen Biologen zusammenarbeiten, um diese Modelle voranzubringen und ihre Fähigkeiten in reale therapeutische Designs zu übersetzen.

Ihre Mission, sollten Sie sich entscheiden, sie anzunehmen:

• Verkörpern Sie unsere Vision einer interdisziplinären Umgebung und lernen Sie Bereiche außerhalb Ihres traditionellen Fachgebiets kennen.
• Entwickeln, implementieren, trainieren und verbessern Sie iterativ moderne Modelle für das Design von Biomolekülen.
• Analysieren, visualisieren und kommunizieren Sie Ergebnisse zur Unterstützung der Teamarbeit bei der Verbesserung von Modellen und Daten.
• Erstellen, bereitstellen und verfeinern Sie Werkzeuge für effiziente, zuverlässige Experimente und Produktionen im maschinellen Lernen.
• Arbeiten Sie mit Biologen zusammen, um Daten für das Training und die Bewertung generativer Modelle von Biomolekülen zu sammeln.
• Geben Sie Mentoring und technische Anleitung an Teammitglieder, wo es angebracht ist.

Qualifikationen:

• Über 3 Jahre praktische Erfahrung in der Entwicklung von ML-Modellen.
• Nachweisbare Erfolge bei der Implementierung, dem Training und der Verbesserung fortschrittlicher Modelle des maschinellen Lernens.
• Hochqualifizierter Programmierer, der im Python-Ökosystem und in PyTorch oder einem ähnlichen Deep-Learning-Framework versiert ist.
• Verfügbarkeit zur Zusammenarbeit mit Teammitgliedern in den USA und Europa, mit Meetings, die um 8 Uhr PT beginnen und um 19 Uhr CET enden.
• Bereitschaft, mehrmals im Jahr für Unternehmens-Retreats und Geschäftsevents zu reisen.

Wir schätzen die Vorteile der persönlichen Zusammenarbeit und erwarten von den Kandidaten, dass sie hauptsächlich von unseren Büros aus arbeiten.

Bevorzugte technische Fähigkeiten:

• Doktortitel in AI/ML, Informatik, computergestützter Biologie, Physik oder einem verwandten Bereich oder gleichwertige praktische Erfahrung (z. B. Branchenerfahrung, Forschung oder fortgeschrittene technische Expertise).
• Starke Fähigkeiten im Entwerfen, Durchführen und Dokumentieren von Experimenten im maschinellen Lernen.
• Praktische Erfahrung mit modernen generativen Modellen.
• Starke Software-Engineering-Fähigkeiten, insbesondere für Datenverarbeitung, Bewertung von ML-Modellen, Orchestrierung von Rechenclustern.
• Erfahrung mit dem Training von groß angelegten Modellen, Fundamentmodellen, Modellparallelität, Multi-Node-Training.
• Erfahrung mit biologischen Sequenzdaten und Datensätzen – verschiedene genomische und proteinbasierte Daten, Sequenzierung, funktionale Tests usw.
• Kenntnisse in Biochemie, Molekular-/Zellbiologie und Arzneimittelentwicklung.