Foundation and generative models for biomolecules in Zürich

Bei Inceptive wirst du die Entwicklung vorantreiben, die Milliarden von Menschen helfen könnte. Um dies zu erreichen, bist du Teil eines kollaborativen, interdisziplinären Teams, das unsere biologische Software entwickelt. Der Designraum von Biomolekülen ist unvorstellbar groß – weit über das hinaus, was experimentell erkundet werden kann. Doch innerhalb dieses Raums liegen Moleküle mit Eigenschaften, die für neue Medikamente entscheidend sind. Unsere maschinellen Lernmodelle lernen, therapeutische Biomoleküle mit spezifischen, wünschenswerten Funktionen zu entwerfen. Wir verbessern den Stand der Technik im molekularen Design, indem wir groß angelegte Fundamentmodelle trainieren und modernste generative Ansätze entwickeln. Die Modelle lernen aus vielfältigen heterogenen Datensätzen und werden durch gezieltes Feintuning und Feedback aus Experimenten verfeinert. Der Schlüssel zum Fortschritt ist ein Team, das außergewöhnliche Expertise im maschinellen Lernen mit umfassendem Fachwissen kombiniert.

Du wirst eng mit anderen Forschern und Ingenieuren im Bereich maschinelles Lernen sowie mit computergestützten und experimentellen Biologen zusammenarbeiten, um diese Modelle voranzubringen und ihre Fähigkeiten in reale therapeutische Designs zu übersetzen.

Deine Mission, solltest du dich entscheiden, sie anzunehmen:

• Verkörpere unsere Vision einer interdisziplinären Umgebung und lerne Bereiche außerhalb deines traditionellen Fachgebiets kennen.
• Entwickle, implementiere, trainiere und verbessere iterativ moderne Modelle für das Design von Biomolekülen.
• Analysiere, visualisiere und kommuniziere Ergebnisse zur Unterstützung der Teamarbeit bei der Verbesserung von Modellen und Daten.
• Erstelle, implementiere und verfeinere Werkzeuge für effiziente, zuverlässige Experimente und Produktionen im maschinellen Lernen.
• Arbeite mit Biologen zusammen, um Daten für das Training und die Bewertung generativer Modelle von Biomolekülen zu sammeln.
• Gib Mentoring und technische Anleitung an Teammitglieder, wo es angebracht ist.

Qualifikationen:

• 3+ Jahre praktische Erfahrung in der Entwicklung von ML-Modellen.
• Nachweisbare Erfolge bei der Implementierung, dem Training und der Verbesserung fortschrittlicher Modelle des maschinellen Lernens.
• Hochqualifizierter Programmierer, der fließend im Python-Ökosystem und PyTorch oder einem ähnlichen Deep-Learning-Framework ist.
• Verfügbarkeit zur Zusammenarbeit mit Teammitgliedern in den USA und Europa, mit Meetings, die um 8 Uhr PT beginnen und um 19 Uhr CET enden.
• Bereitschaft, mehrmals im Jahr für Unternehmens-Retreats und Geschäftsevents zu reisen.
• Wir schätzen die Vorteile der persönlichen Zusammenarbeit und erwarten von den Kandidaten, dass sie hauptsächlich von unseren Büros aus arbeiten.

Bevorzugte technische Fähigkeiten:

• PhD in AI/ML, Informatik, computergestützter Biologie, Physik oder einem verwandten Bereich oder gleichwertige praktische Erfahrung (z.B. Industrieerfahrung, Forschung oder fortgeschrittene technische Expertise).
• Starke Fähigkeiten im Entwerfen, Durchführen und Dokumentieren von Experimenten im maschinellen Lernen.
• Praktische Erfahrung mit modernen generativen Modellen.
• Starke Software-Engineering-Fähigkeiten, insbesondere für Datenverarbeitung, Bewertung von ML-Modellen, Orchestrierung von Rechenclustern.
• Erfahrung mit dem Training von Modellen im großen Maßstab, Fundamentmodellen, Modellparallelität, Multi-Node-Training.
• Erfahrung mit biologischen Sequenzdaten und Datensätzen – verschiedene genomische und proteinbasierte Daten, Sequenzierung, funktionale Tests usw.
• Kenntnisse in Biochemie, Molekular-/Zellbiologie und Arzneimittelentwicklung.