ML Researcher (UAE)

Мы ищем Senior Machine Learning Scientist со специализацией в современных генеративных моделях и машинном обучении, учитывающем структуру, для участия в разработке передовых AI‑систем, моделирующих сложные трёхмерные молекулярные данные. В этой роли вы будете разрабатывать подходы глубокого обучения, работающие с пространственными молекулярными представлениями, интегрировать физические и геометрические ограничения и поддерживать вычислительные рабочие процессы для анализа сложных молекулярных систем.

• Разрабатывать модели машинного обучения для анализа и моделирования трёхмерных молекулярных структур и взаимодействий.
• Проектировать вычислительные рабочие процессы для оценки и приоритизации кандидатных структур на основе предсказанных структурных и физико-химических свойств.
• Создавать архитектуры, интегрирующие несколько предсказательных задач в области структурного моделирования и предсказания взаимодействий.
• Разрабатывать представления и эмбеддинги для сложных молекулярных геометрий и пространственных отношений.
• Работать с крупномасштабными наборами данных, содержащими структурную и координатную молекулярную информацию.
• Вносить вклад в проектирование масштабируемых конвейеров для обучения моделей на больших структурных наборах данных.
• Определять подходы к моделированию, включающие пространственный контекст, интерфейсы взаимодействий и геометрические ограничения.
• Сотрудничать с инженерами для обеспечения эффективного обучения, вывода и интеграции моделей во внутренние платформы.
• Следить за новейшими достижениями в области дизайна белков, молекулярного ML и геометрического глубокого обучения.
• Оценивать новые методы (All-atom diffusion models, graph networks, multimodal foundation models).
• Вносить вклад в внутренние исследовательские направления и эксперименты с новыми парадигмами моделирования сложных пространственных данных.

I. Образование

PhD или MS в области Machine Learning, Computational Biology, Structural Biology, Computer Science, Biophysics или смежных дисциплин.

II. Опыт и навыки

Техническая подготовка

• Сильный опыт разработки моделей машинного обучения, работающих с 3D пространственными или геометрическими данными, такими как:

• diffusion-based generative models
• graph neural networks
• equivariant neural networks (SE(3)/SO(3))
• transformer-based architectures, применяемые к структурированным данным

• Владение PyTorch.

Экспертиза в области

• Понимание молекулярной структуры, пространственных взаимодействий и физических ограничений в молекулярных системах.
• Опыт работы с координатными структурными наборами данных и форматами молекулярных данных.

Инженерные навыки

• Опыт распределённого обучения, оптимизации моделей и работы в средах высокопроизводительных вычислений.
• Сильные практики разработки программного обеспечения (Git, тестирование, воспроизводимость).

• Знакомство с современными подходами машинного обучения для моделирования и предсказания макромолекулярных структур, включая системы такие как AlphaFold или аналогичные фреймворки.
• Знакомство с новыми генеративными или моделирующими архитектурами, учитывающими структуру, в научном машинном обучении.
• Опыт работы с открытыми исследовательскими системами, используемыми в конвейерах структурного моделирования (например, Boltz или аналогичные инструменты).
• Бэкграунд в вычислительной химии, структурной биофизике или молекулярном моделировании.
• Опыт разработки моделей машинного обучения, учитывающих геометрию или ограничения.
• Вклад в открытые проекты машинного обучения или научных вычислений.