Director of ML Research – AI Applications

Wir suchen derzeit einen Director of ML Research – AI Applications in Deutschland. Dies ist eine senior technische Führungsrolle an der Spitze der Anwendung von maschinellem Lernen in der pharmazeutischen F&E, mit einem starken Fokus auf strukturelle Biologie und Arzneimittelentdeckung. Sie sind verantwortlich für den Aufbau und die Leitung einer neu geschaffenen ML-Forschungsfunktion innerhalb einer AI-Anwendungsorganisation, gestalten deren wissenschaftliche Richtung und bleiben dabei tief in der Modellentwicklung und Experimentierung involviert. Die Rolle kombiniert modernste Forschung, Teamführung und die praktische Umsetzung von produktionsreifen KI-Modellen.

Sie werden über föderierte Datennetzwerke arbeiten, mit Ingenieuren, Produkt- und akademischen Partnern zusammenarbeiten, um wissenschaftliche Durchbrüche in skalierbare Lösungen zu übersetzen. Ein Schwerpunkt wird die Verbesserung von Co-Folding-Modellen und die Weiterentwicklung ihrer Generalisierung über komplexe biologische Datensätze sein. Dies ist eine Spieler-Coach-Position für einen Führer, der an der Schnittstelle von Forschungsexzellenz und angewandtem Einfluss in der Arzneimittelentdeckung gedeiht.

• Einrichtung und Leitung des dedizierten ML-Forschungsteams innerhalb der AI-Anwendungsorganisation, Definition der wissenschaftlichen Vision, Forschungsmandate und langfristigen Ausrichtung.
• Entwicklung, Training und Verbesserung von großangelegten Grundmodellen für strukturelle Biologie, mit Fokus auf Co-Folding und Proteininteraktionsmodellierung.
• Entwicklung und Verfeinerung von Datenpipelines und Modellarchitekturen unter Verwendung großer proprietärer Datensätze, unter Berücksichtigung geometrischer und physikalischer Prämissen für verbesserte biologische Genauigkeit.
• Übersetzung modernster Forschung im Bereich maschinelles Lernen und strukturelle Biologie in praktische, produktionsbereite Modellierungsansätze für Anwendungen in der Arzneimittelentdeckung.
• Leitung praktischer Experimente, Modellevaluation und angewandte Forschungsarbeitsströme, insbesondere im Hinblick auf die Generalisierung und Regularisierung von Co-Folding-Modellen.
• Enge Zusammenarbeit mit Ingenieur-, Produkt-, Datenschutz- und Fachteams, um eine nahtlose Integration der Forschungsergebnisse in Produktionssysteme sicherzustellen.
• Partnerschaft mit akademischen Institutionen und Forschungslabors, Beitrag zu Publikationen und Präsentation von Ergebnissen auf führenden wissenschaftlichen Konferenzen.
• Vertretung der Organisation in Kundendiskussionen und wissenschaftlichen Foren, Bearbeitung komplexer Modellierungsherausforderungen bei Pharma-Partnern.
• Aufbau, Mentoring und Entwicklung eines leistungsstarken ML-Forschungsteams im Laufe der Zeit.

• PhD oder MSc in Informatik, Maschinellem Lernen, Computational Biology oder einem verwandten Bereich, mit mehr als 7 Jahren relevanter Erfahrung, einschließlich mehr als 3 Jahren in technischer Führung.
• Starke Expertise in der Anwendung von maschinellem Lernen auf biologische Probleme, insbesondere strukturelle Biologie (z.B. Co-Folding, Proteinmodellierung) oder verwandte Bereiche wie ADMET.
• Nachweisliche Publikationshistorie in erstklassigen ML- oder Computational Biology-Veranstaltungen (z.B. NeurIPS, ICML, ICLR, ISMB, RECOMB oder gleichwertig).
• Praktische Erfahrung mit modernen ML-Frameworks wie Python und PyTorch sowie Vertrautheit mit großangelegten Modellen (z.B. OpenFold, Boltz oder ähnlich).
• Nachgewiesene Fähigkeit, als Spieler-Coach zu agieren, technische Führung mit direkter Mitwirkung an Modellierung und Experimentierung zu kombinieren.
• Starke Erfahrung in der Arbeit in funktionsübergreifenden und kundenorientierten Umgebungen, Übersetzung komplexer wissenschaftlicher Probleme in umsetzbare technische Ansätze.
• Fähigkeit, in mehrdeutigen, forschungsgetriebenen Umgebungen mit starkem angewandtem Fokus zu gedeihen.

• Erfahrung in der frühen Biotechnologie, Aufbau von ML-Forschungsfunktionen von Grund auf oder Arbeit mit verteiltem Training über GPU-/Cloud-Plattformen (AWS, Azure, Lambda).
• Erfahrung mit ML-Infrastruktur und MLOps, einschließlich Kubernetes-basierter Workflows.
• Vertrautheit mit QSAR-Modellierungsansätzen, Triton-Kernel-Optimierung oder systemweitem ML-Leistungs-Tuning.
• Exposition gegenüber föderiertem Lernen, datenschutzfreundlichem ML oder Multi-Party-Trainingsumgebungen.

• Wettbewerbsfähiges Vergütungspaket der Branche, einschließlich virtueller Aktienoptionen in der Frühphase.
• Remote-first Arbeitsmodell mit Flexibilität, von überall aus zu arbeiten.
• Wohlfühlbudget, Unterstützung der psychischen Gesundheit, Homeoffice-Zuschuss, Co-Working-Stipendium und Lernbudget.
• Großzügiger Urlaubsanspruch.
• Regelmäßige persönliche Unternehmensversammlungen in der Berliner Zentrale oder anderen europäischen Standorten (ca. dreimal im Jahr).
• Gelegenheit, mit einem hochqualifizierten, umsetzungsorientierten Team aus führenden Organisationen zu arbeiten.
• Exposition gegenüber modernster KI-Forschung, die direkt auf Herausforderungen der pharmazeutischen Arzneimittelentdeckung angewendet wird.