研究型实习生-药物基础模型

1. 01

   负责药物设计相关基础模型的研发，包括但不限于分子生成与优化、蛋白质结构预测与设计、蛋白-分子相互作用预测等方向的深度学习模型构建；

2. 02

   跟踪 AI for Science及计算生物学领域的前沿技术，持续优化分子表征学习、序列-结构-功能联合预测、性质/ADMET预测、多目标优化等关键算法模块，提升模型精度与泛化能力；

3. 03

   参与构建覆盖小分子与大分子（蛋白/抗体/多肽）的通用药物设计引擎，支持从靶点发现到候选分子筛选的端到端流程；

4. 04

   与 Agent算法团队、药物化学团队紧密协作，将基础模型能力封装为可被 Agent调用的标准化工具，支撑自动化工作流的运行。

1. 01

   硕士及以上学历，计算机、人工智能、生物信息、计算化学、药学等相关专业背景；

2. 02

   对药物发现流程（靶点验证、先导化合物发现、先导化合物优化、成药性评估等）有基本了解，熟悉至少一个方向的建模经验；

3. 03

   具备良好的编程能力（Python优先），熟练掌握主流 AI框架（PyTorch/JAX），熟悉常见的化学信息学工具包（如 RDKit、Open Babel等）；

4. 04

   有较强的科研能力与原型搭建能力，能快速实现并验证模型创新想法。

【加分项】

1. 01

   曾在顶级 AI会议或生物/化学/医药相关顶尖期刊发表与分子生成、蛋白质设计、药物-靶点相互作用预测等相关的研究论文；

2. 02

   熟悉 Transformer、图神经网络、扩散模型、Flow Matching等主流模型架构，有生物/化学基础模型训练经验；

3. 03

   有分子动力学模拟（MD）、自由能微扰（FEP）、分子对接（Docking）等计算化学方法的实践经验；

4. 04

   有多模态生物模型训练和开发经验；

5. 05

   有数据集构建、评测体系搭建的实际经验。