AI4S算法工程师

模型开发与优化：负责开发针对分子、材料及药物性质预测的深度学习模型（如基于图神经网络GNN、几何深度学习等），提升ADMET、溶解度及结合亲和力等关键指标的预测精度。

科学智能体（AI Agent）构建：参与构建自主智能实验系统，利用多模态大模型（LLM/VLM）整合文献数据与实验数据。

跨学科协作：与化学家、生物学家和仪器研发团队紧密配合，将算法集成至自动化高通量实验平台，驱动“智能实验室”的研发流程。

前沿技术：追踪AI4S领域的SOTA技术，复现并改进如扩散模型（Diffusion）、流匹配（Flow Matching）在结构生成、性质预测中的应用。

教育背景：计算机、人工智能、计算化学、化学信息学、生物信息学、数学或物理学等相关专业硕士及以上学位；本科毕业于排名前20高校，数学功底扎实。

算法功底：扎实的机器学习与深度学习理论基础，熟悉常见的深度神经网络架构，特别是GNNs 和 Transformers。

编程能力：精通 Python，具备良好的工程习惯；熟练使用 PyTorch 等主流深度学习框架。

领域理解：分子表征（SMILES/SELFIES/3D构象）有基本认知，理解基本的化学物理规律或药物设计流程。

综合素质：具备优秀的逻辑思维能力和解决复杂问题的能力，能够阅读并理解前沿学术论文，具备良好的团队沟通与跨学科协作精神。 专业技能： ①生成式模型：有 VAE、GAN、Diffusion 或 Autoregressive 模型开发经验。 ②科学计算与工具：熟练使用 RDKit 等化学信息学库。 ③大模型微调：具备大语言模型（LLM）微调经验，了解如何将科学文献知识图谱与模型训练相结合，进行检索增强生成（RAG）或工具调用（Tool Learning）。