阿里巴巴
算法工程师-药物基础模型
算法工程师-药物基础模型
发布于 大约 9 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
Ai For Science
Pytorch
分子生成
化学信息学
深度学习
药物设计
蛋白质结构预测
值不值得投
83综合评分
综合评分 83
AI前沿技术岗位、薪资市场水准、发展性强、工作模式未明。
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
35K
与机器学习工程中位数基本持平
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 2240 个在招 · 其中机器学习工程 约 150 个
市场机会
选择面较广
杭州 · 机器学习工程 · 约 280 个在招
职位详情
关于这个职位
该职位负责药物设计相关基础模型的研发，包括分子生成、蛋白质结构预测等深度学习模型构建，需跟踪AI for Science前沿技术优化算法模块，并参与构建通用药物设计引擎，支持从靶点发现到候选分子筛选的端到端流程
最低要求
本科及以上学历，计算机、人工智能、生物信息、计算化学、药学等相关专业背景
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
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）
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
工作职责
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
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
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
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
优先资格
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
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
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
有多模态生物模型训练和开发经验
有数据集构建、评测体系搭建的实际经验
AI 洞察
优缺点分析
优点
- 技术前沿，涉及AI与生物医药交叉领域，学习成长空间大
- 公司平台资源丰富，支持大规模模型研发和应用落地
- 职位直接贡献于药物设计创新，具有潜在社会价值
- 技术难度高，需要同时掌握深度学习和药物设计跨学科知识
- 研发周期可能较长，模型优化需持续投入和迭代
- 与多个团队协作，需具备较强的沟通和项目管理能力
- 适合对AI和药物设计感兴趣、具备扎实编程和科研能力、追求技术突破的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向AI for Science专家或药物设计科学家方向发展，深化跨学科技术
- 积累模型研发和工程化经验后，可转向技术管理或高级研究岗位
- 未来可能主导药物设计引擎开发，推动医疗健康领域的技术突破
- 构建和优化药物设计相关的深度学习模型，如分子生成和蛋白质结构预测
- 跟踪AI for Science前沿技术，持续提升模型精度和泛化能力
- 参与开发通用药物设计引擎，支持端到端药物发现流程
- 与算法和化学团队协作，将模型封装为标准化工具用于自动化工作流
- 掌握深度学习框架如PyTorch/JAX，并具备Python编程能力
- 了解药物发现流程和计算化学方法，熟悉化学信息学工具包
- 具备科研能力和快速原型搭建能力，能验证模型创新想法
- 有机器学习模型训练和优化经验，特别是图神经网络等架构
申请策略
- 研究阿里巴巴在AI for Science领域的布局和最新成果
- 准备项目案例，展示模型从设计到实现的完整过程
- 突出深度学习模型构建经验，特别是分子生成或蛋白质设计相关项目
- 展示药物设计或计算化学背景，如参与过相关研究或实习
- 列举掌握的技能，如Python、PyTorch、RDKit等工具的使用
- 如有论文发表或竞赛经历，重点强调其与职位的相关性
- 补充计算化学和药物发现流程的知识，如分子动力学模拟
- 学习前沿模型架构，如Transformer在生物序列中的应用
面试指南
- 使用STAR方法，先描述情境和任务，再说明行动和结果，突出技术细节
- 结合具体模型案例，解释算法选择和优化思路
- 强调跨学科视角，说明如何平衡技术可行性和实际应用需求
- 请描述你过去在分子生成或蛋白质结构预测方面的项目经验
- 如何优化深度学习模型在药物设计中的泛化能力？
- 你对AI for Science在药物发现中的应用有哪些理解？
- 如何与跨学科团队（如药物化学）协作将模型工具化？
- 介绍你熟悉的图神经网络或扩散模型在生物分子中的应用
职位点评
薪资福利85
成长发展90
工作生活70
使命价值80
薪资福利
85较高
该职位提供有竞争力的薪资和福利，适合追求稳定收入的求职者。
薪资信号市场水准 (25K-45K/月)
成长发展
90较高
涉及AI前沿领域，有技能成长和行业前景，支持技术深度发展。
技术前沿前沿/新兴技术
技术栈深度学习、分子生成、蛋白质设计、PyTorch、化学信息学
业务类型ambiguous
工作生活
70中等
未明确办公模式，工作地点在杭州，可能需要现场办公，生活便利性一般。
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
80较高
药物设计领域有正向社会影响力，推动医疗健康创新。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs