岗位职责
- 算法研发与干湿闭环 参与定义具备颠覆性潜力的 AI4S 科学问题，协助设计与生物物理/化学先验知识深度融合的模型架构。参与从干实验（Dry Lab）的性能验证到湿实验（Wet Lab）真实反馈的完整闭环研究，产出高水平学术成果。
- 工程落地与技术转化 参与前沿算法向系统化、平台化的 AI 药物研发（AIDD）解决方案的转化工作。接触大规模分布式训练与推理的算力效能优化，理解如何将科研成果落地为真正赋能创新药研发管线的产品。
职位要求
- 扎实的 AI 算法与数理基础：在深度学习、图神经网络（GNN）、扩散模型/流匹配（Flow Matching）、强化学习等方向有深入研究；具备较强的数理基础（概率论、优化、统计物理等），对大模型底层架构与生成机制有系统理解。
- AI4S / AIDD 研究经验：具备 AI for Science 或 AI 药物研发相关研究背景；参与过从数据构建、算法设计到实验验证的研究流程，了解如何将领域先验知识（如分子动力学、蛋白质物化性质）融入模型设计。
- 良好的工程实现能力：熟练掌握 PyTorch / JAX 等主流框架，有大规模训练或推理优化经验者优先；能高效处理多模态生物数据，具备良好的编程习惯与工程素养。
- 学术敏锐度与自驱力：持续关注 AI4S、计算生物学及大模型领域的最新进展；具备独立思考和定义科学问题的能力。
- 学历要求：硕士及以上，计算机科学、人工智能、计算生物学、生物信息学、化学信息学或相关专业。 加分项 • 在 NeurIPS / ICLR / ICML 等 AI 顶会，或 ISMB / RECOMB 等计算生物学顶会，或 CNS 及其子刊、Bioinformatics 等权威期刊发表过论文 • 在 GitHub 有高星开源项目，或在 HuggingFace 等开源社区有核心模型/数据集贡献 • 具备生物、化学、药学等交叉学科背景（如双学位、辅修或丰富的跨学科项目经验） • 有端到端（Dry Lab 到 Wet Lab）研究闭环的完整经历
