2027届-博士-AI算法研究员（体外药代方向）-北京总部

算法模型研发：设计实现跨层级图神经网络，提取分子3D物理场、化学键拓扑高精度表征；搭建分子‑多组学‑高内涵影像多模态对齐融合网络，应用对比学习、MoE混合专家等技术，处理多模态数据缺失，完成毒理机制分类与严重度评分；开发优化XAI可解释性算法，输出原子级毒性药效团热力图，支撑药化结构改造。

多肽ADMET预测引擎建设：构建大环多肽、非天然氨基酸适配的分子预训练模型；搭建自动化3D构象计算管线，结合计算化学工具提取大环张力能、分子内氢键等物理特征；基于GNN融合原子几何与动态物理特征，完成多肽细胞膜渗透性等成药性指标预测；依托内部湿实验数据，使用PEFT技术完成预训练模型微调校准。

计算化学与CADD机理校验：把控AI模型分子特征工程的物理合理性，校验模型输出的可解释结构报告，结合DMPK、毒理、代谢酶机理判断化学机理；基于ADMET与毒性预警结果，运用生物电子等排、骨架跃迁方法，指导生成式AI开展化合物定向解毒结构优化；为大分子、特殊修饰候选物提供3D构象约束分析与设计指导，将AI预测结果转化为可指导合成实验的化学建议。

AI工程与数据中台基建：搭建多模态研发数据湖与ETL数据流，处理高通量实验、公开文献等异构数据；基于微服务框架开发低延迟模型推理API，依托分布式任务队列实现批量筛选、异步微调任务调度；开发LLM Agent智能文献解析管线，完成数据抓取、清洗、结构化入库全流程自动化；负责AI模型容器化封装，完成云原生/本地超算集群部署、调度、监控保障生产环境高可用。

学历专业：博士学历，计算机、人工智能、计算生物学、计算化学、药物化学、软件工程等相关交叉专业。

算法能力：熟练使用PyTorch、PyG等深度学习与图计算框架；掌握GNN、多模态学习、自监督/表征学习，有LLM、预训练分子模型开发落地经验；熟悉CADD、化学信息学工具，了解分子动力学、计算化学方法；理解DMPK、毒理代谢机制、多肽跨膜、非天然修饰等药物背景知识；在GNN、XAI、多模态领域有研究或顶会发表优先。

工程能力：具备底层算法开发与模型落地经验，了解分布式训练；掌握Python后端、微服务、RESTful API开发；熟悉数据库、对象存储、Linux运维、容器、CI/CD；有LLM Agent工作流实际落地经验优先。

综合素养：能够阅读跟进计算化学、AI领域前沿英文文献，具备良好跨学科沟通能力，自驱力强，可将AI输出转化为化学研发可执行方案