阿斯利康
Senior Scientist/Associate Principal Scientist, AI for small-molecule
Senior Scientist/Associate Principal Scientist, AI for small-molecule
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Jax
Pytorch
Tensorflow
云计算
多模态机器学习
小分子药物发现
机器学习
深度学习
蛋白质结构预测
值不值得投
83综合评分
综合评分 83
顶尖跨国药企AI药物发现核心岗，技术前沿、使命感强，适合追求专业深度与社会价值的资深研发人才。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
5.5万
比机器学习工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 270 个在招
市场机会
选择面较广
北京 · 机器学习工程 · 约 470 个在招
职位详情
关于这个职位
该职位加入阿斯利康北京研发中心的化学AI创新团队，负责开发用于小分子药物发现的先进AI/ML模型
您需要与全球化学家和数据科学家紧密合作，将机器学习与化学、生物学知识结合，推动新药发现项目，并参与建立国内战略合作伙伴关系
最低要求
根据职业级别，拥有计算机科学、计算化学、结构生物学或相关AI for Science学科的博士或硕士学位
具备开发和应用于小分子或生物大分子的机器学习/深度学习模型的实践经验，包括自监督和监督方式
具备使用新数据训练、重新训练和微调AI模型以应用于差异化科学项目的经验和专业知识
熟练掌握Python编程（及相关ML/AI框架，如TensorFlow、PyTorch、JAX）
具备处理、整理和分析大规模科学数据集的经验
能够在快节奏、多学科和跨地域的研究环境中协作
具备清晰有效的沟通技巧，英语流利
工作职责
设计、开发、基准测试和实施用于小分子药物发现的先进AI/ML模型（自监督和监督），包括结构预测共折叠模型、亲和力预测模型和从头设计算法
与阿斯利康各站点的专家药物化学家和计算化学家密切合作，发现优化的命中化合物作为新药发现项目的起点
将机器学习与化学、生物物理学、结构生物学和药物发现领域的知识相结合
确保生成高质量、经过验证的预测，并将新的实验和计算数据纳入模型
跨职能合作开发化学AI解决方案，以解决与小分子药物发现相关的关键问题，包括预测性和代理（agentic）解决方案
有效地向多学科项目团队和利益相关者传达复杂的技术概念和结果
紧跟AI for Science、计算化学和结构预测的最新发展
主动识别和评估与药物发现相关的创新技术和方法
识别并建立在中国（学术界或工业界）的战略合作伙伴关系机会，以加速AI驱动药物发现的影响力
为高影响力的科学出版物和专利申请做出贡献
优先资格
了解蛋白质结构预测的最先进方法，包括与不同模态（如蛋白质、配体、寡核苷酸）的共折叠
具备多模态机器学习或整合异构数据类型（如分子、蛋白质结构数据、实验数据）的经验
熟悉大规模云计算和现代数据工程实践
在顶级AI、计算化学或化学信息学期刊/会议上有发表记录
了解小分子药物发现和计算化学方法
AI 洞察
优缺点分析
优点
- 加入全球顶尖的跨国药企，接触最前沿的AI药物发现技术，平台资源极其丰富
- 与全球顶尖科学家合作，有利于发表高水平论文和专利，提升个人在学术界和工业界的影响力
- 处于AI for Science的高速增长赛道，职业发展前景广阔，技术壁垒高
- 具备计算机或计算化学背景，对小分子药物发现有浓厚兴趣，且希望在AI for Science领域长期发展的资深研发人才
缺点 / 挑战
- 需要深厚的跨学科知识（AI与化学/生物学），技术门槛高，持续学习压力大
- 跨国跨时区协作可能对沟通效率和时间管理提出较高要求
角色解读
- 可在AI药物发现领域深耕，向首席科学家（Principal Scientist）或研发管理方向发展
- 有机会参与全球跨学科项目，成为AI for Science领域的顶尖专家，引领行业技术变革
- 设计和开发用于小分子药物发现的先进AI/ML模型，包括结构预测、亲和力预测和从头设计算法
- 与全球化学家和数据科学家紧密合作，将机器学习与化学、生物物理学等领域知识结合，推动新药发现项目
- 建立国内学术或工业界的战略合作伙伴关系，并参与发表高水平科学论文和申请专利
- 熟练掌握Python及主流深度学习框架（如TensorFlow, PyTorch, JAX），具备扎实的编程基础
- 拥有小分子或生物大分子机器学习/深度学习模型的开发与应用经验，熟悉自监督与监督学习
- 具备处理和分析大规模科学数据集的能力，以及优秀的英语沟通和跨地域团队协作能力
申请策略
- 准备一些关于如何将AI技术应用于小分子药物发现的具体案例，展示解决实际问题的能力
- 了解阿斯利康在AI药物发现领域的最新布局和合作项目，面试时展现对公司战略的认同
- 突出在小分子或生物大分子AI模型（如结构预测、亲和力预测）方面的实际项目经验及落地成果
- 强调Python编程能力及对主流深度学习框架的熟练运用，展示处理大规模科学数据集的能力
- 展示跨学科合作的成果，以及在顶级期刊或会议上发表的相关论文或专利
- 深入了解蛋白质结构预测（如AlphaFold等）及多模态机器学习的最新进展
- 补充计算化学和药物发现领域的专业知识，以更好地与化学家团队沟通并理解业务需求
面试指南
- 采用STAR法则（情境、任务、行动、结果）来描述项目经验，突出技术难点和解决方案
- 在回答跨学科问题时，强调沟通机制、知识转化过程以及如何将业务需求转化为技术语言
- 请详细介绍你开发过的用于小分子药物发现的AI/ML模型，以及取得的具体成果
- 在处理大规模科学数据集时，你遇到过哪些挑战，是如何解决数据质量和计算效率问题的？
- 如何将机器学习与化学、生物物理学等先验知识有效结合，以提高模型的预测准确性？
- 在跨地域、多学科团队中，你如何确保沟通顺畅并推动项目进展？
- 复习小分子药物发现的基础知识及最新的AI for Science文献（如Nature/Science上的相关论文）
- 准备一个能展示你解决复杂技术问题的完整项目案例，并思考其在药物发现场景下的应用潜力
职位点评
薪资福利85
成长发展90
工作生活65
使命价值95
薪资福利
85较高
跨国药企资深研发岗，薪资福利体系完善，整体薪酬在市场上具有较强竞争力。
薪资信号未披露（AI估算：4千–7万/月）
成长发展
90较高
处于AI药物发现的最前沿，与全球顶尖专家合作，提供极高的技术成长和专业发展空间。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、JAX、AI/ML models、structure prediction、multi-modal machine learning
成长机会professional growth
业务类型profit_center
工作生活
65中等
跨国药企通常注重工作生活平衡，但资深研发岗及跨时区协作可能带来一定的工作压力。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
95较高
致力于通过创新药物改变患者生活，具有极高的社会价值和使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号transforming patients’ lives through innovative medicines
创新程度开拓性创新（行业首创）
阿斯利康 的其他在招职位
相似职位推荐
Watch Jobs