岗位职责
我们致力于以人工智能驱动生命科学前沿探索，聚焦抗体，多肽等大分子药物的计算设计与机制解析。如果你深耕机器学习与深度学习领域，精通图神经网络（GNN）、扩散模型（Diffusion Models）、流模型（Flow Matching）或强化学习等前沿技术，对 AI 与基础科学的交叉融合抱有极致热情，并勇于挑战从理论突破到真实世界应用的工程难题，欢迎加入我们！ 【具体职责】
- 算法突破与干湿闭环（Dry/Wet Lab Loop）： 洞察并定义具备颠覆性潜力的 AI4S 科学问题，对标 AlphaFold 等国际顶尖水平，设计与生物物理/化学先验知识深度融合的基础模型架构。主导从干实验（Dry Lab）的显著性能突破，到协同外部/内部湿实验（Wet Lab）真实验证的完整闭环；产出高水平研究成果，冲击 CNS（Cell/Nature/Science）及其子刊等顶级学术期刊。
- 工程落地与商业转化： 推动前沿算法向系统化、平台化的 AI 药物研发（AIDD）解决方案转化。深入理解行业痛点，主导大规模分布式训练与推理的算力效能优化（降本增效）；打造具备极高商业壁垒与经济价值的 AI for Biology and Pharmacy 落地产品，真正赋能创新药研发管线。
职位要求
- 深厚的 AI 算法底座与数理基础： 在深度学习、图神经网络（GNN）、扩散模型/流匹配（Flow Matching）、强化学习等前沿方向有深入研究；具备数理基础（概率论、凸优化、统计物理等），对大模型底层架构、训练范式及生成机制有透彻理解。
- AI4S / AIDD 交叉研究全链路经验： 具备 AI for Science (AI4S) 或 AI 药物研发（AIDD）背景；主导过从多模态生物数据构建、算法设计、干实验（Dry Lab）验证到湿实验（Wet Lab）反馈的端到端（End-to-End）研究闭环，能将领域先验知识（如分子动力学、蛋白质物化性质）有效融入模型设计。
- 工程实现与大规模算力优化能力： 精通 PyTorch / JAX 等主流框架，具备大规模分布式训练（如 Megatron, DeepSpeed）与推理加速经验；能独立开发复杂网络结构，具备算子级优化意识，能高效处理 PB 级多模态生物数据并保障计算效能。
- 敏锐的学术嗅觉与科研驱动力： 持续追踪 AI4S、计算生物学及大模型领域的最新前沿进展；具备独立定义科学问题、设计实验方案并产出高水平研究成果的能力。 【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 等权威期刊发表过第一作者论文； 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）。
