设计、开发、基准测试和实现先进的AI/ML模型（自监督和监督），用于生物药物发现和工程，包括蛋白质语言模型、结构预测模型、从头设计算法以及整合序列、结构、生物学、生物化学、生物物理和功能数据的多模态方法
与湿实验室科学家（主要在英国和美国）紧密合作，指导实验设计，确保生成高质量、相关的数据集，并整理和管理用于建模的湿实验室数据
分析和解释复杂的生物数据，将机器学习与蛋白质科学、生物化学、生物物理学、结构生物学和治疗开发领域的领域知识相结合
紧跟AI、计算生物学和生物工程的最新发展
主动识别和评估与生物药物研发相关的创新技术和方法
向多学科团队和利益相关者有效传达复杂的技术概念和结果，弥合计算和实验领域之间的差距
为高影响力的科学出版物、专利申请以及内外部战略合作做出贡献
跨职能协作开发智能体AI解决方案，以解决与生物工程相关的关键问题
识别并建立本地合作伙伴关系（学术或行业），以加速AI驱动的生物药物发现的影响力