大语言模型（LLM）分子动力学模拟分子生成和优化计算化学人工智能分子对接SchrodingerDiscovery StudioPythonC++ 岗位职责
1. 结合创新药研发需求，利用人工智能、机器学习及计算化学等技术，参与创新小分子药物的发现与优化，为项目提供药物设计策略及计算支持。
2. 围绕靶点特点及项目需求，开展基于结构（Structure-Based Drug Design，SBDD）和基于配体（Ligand-Based Drug Design，LBDD）的药物设计，包括分子生成、虚拟筛选、分子对接、药效团分析、构效关系（SAR）分析及候选化合物优化等工作。
3. 建立并优化分子活性、ADMET、理化性质及成药性等预测模型，结合项目实验数据持续优化模型性能，提高候选化合物设计效率。
4. 利用生成式人工智能（Generative AI）、图神经网络（GNN）、Transformer、Diffusion Model及大语言模型（LLM）等人工智能技术开展药物设计，推动AI预测与实验验证形成高效闭环。
5. 深入参与创新药研发项目，结合SAR、药效、DMPK及理化性质等实验数据，与药物化学、药理、生物学、DMPK等团队共同制定分子优化策略；能够结合文献调研、公开数据库、项目实验数据及AI模型预测结果，提出具有创新性的分子设计方案，并推动设计方案的实验验证与持续优化。
6. 参与部门AI药物设计平台建设，整合计算化学、人工智能及药物研发相关工具、模型和数据资源，持续完善AI辅助药物设计流程，提高创新药研发效率和项目决策质量。
7. 持续跟踪AI制药及计算药物设计领域前沿技术，评估新算法、新模型及新工具在创新药研发中的应用价值，并推动其在研发项目中的落地应用。
________________________________________
任职要求
1. 药物化学、计算化学、计算生物学、生物信息学、人工智能、计算机科学或相关专业，硕士及以上学历，博士优先。
2. 具有AI药物设计、计算药物设计、计算生物学或AI for Science相关研发经验，具有创新药企业、AI制药企业、互联网AI企业、CRO、高校或科研院所相关工作经历者优先；具有扎实科研能力和较强技术潜力的优秀应届博士或博士后亦可。
3. 熟悉药物研发流程，对小分子药物发现具有一定理解，具有小分子创新药研发经验者优先；具备蛋白、多肽、抗体或其他药物研发相关经验，并能够快速适应小分子药物设计工作的优秀候选人亦可。
4. 熟悉一种或多种AI药物设计方法，包括但不限于分子生成模型、QSAR、图神经网络（GNN）、Transformer、Diffusion Model、大语言模型（LLM）等，能够结合实际研发需求开展模型应用或优化。
5. 熟悉RDKit、Schrödinger、MOE、OpenEye、AutoDock、GROMACS等一种或多种计算化学软件或工具，具有分子对接、虚拟筛选、分子动力学模拟等相关经验。
6. 熟练掌握Python，熟悉PyTorch、TensorFlow等深度学习框架，具备模型开发、训练、部署及优化能力。
7. 具有良好的科研思维、数据分析能力及跨学科沟通能力，能够独立分析研发问题，并与药物化学、药理、生物学、DMPK等团队高效协作。
________________________________________
加分项
1. 具有生成式人工智能（Generative AI）、大语言模型（LLM）、Agent、多智能体系统、RAG等技术在药物研发领域的实际应用经验。
2. 熟悉公开药物数据库及生物数据库，如ChEMBL、PubChem、BindingDB、PDB等，并具备相关数据处理、知识整合及模型构建经验。
3. 具有分子动力学（MD）、自由能计算（FEP）、蛋白结构预测等计算模拟经验。
4. 熟悉GPU服务器、高性能计算（HPC）、Linux服务器环境、CUDA及模型训练部署流程，具备大规模模型训练、推理优化、算力平台搭建、GPU资源管理或AI基础设施维护经验。
5. 熟悉软件工程及AI工程化开发流程，具备模型部署、API开发、MLOps、Git版本管理或AI平台开发经验，能够推动AI工具在药物研发中的实际落地。
6. 在AI制药、计算化学、人工智能或计算生物学等相关领域发表高水平论文，或拥有相关专利、开源项目及产业化成果。