Используем cookie для работы сайта и статистики. «Хорошо» разрешит ещё и запись сессий.
Logical Intelligence
Сан-Франциско, Соединенные Штаты12 дней назад
Уровень английского
B2, выше среднего
Письмо на почту или сообщение рекрутеру в Telegram
В Logical Intelligence наша миссия — ускорить открытие материалов, которые делают возможным следующее поколение технологий: от светоизлучателей и полупроводников до аккумуляторов, электромобилей и чипов, лежащих в основе ИИ и робототехники. Одних только больших языковых моделей для этого недостаточно. Открытие новых материалов требует понимания химии и физики для направления поиска, а энергетические модели позволяют нам встроить это понимание непосредственно в наш цикл открытий. Мы тесно сотрудничаем с партнерами из промышленности и лабораторий, чтобы сократить путь от исследований к реальным продуктам. В качестве научного сотрудника в нашей команде по открытию материалов вы поможете воплотить эту идею в новые молекулы. Вы будете создавать ИИ-системы, которые предлагают и оценивают кандидатов, а также работать с нашими партнерскими лабораториями, чтобы каждый синтез и измерение учили модели чему-то новому. Вы присоединитесь к междисциплинарной команде химиков, физиков, ученых и инженеров в области машинного обучения, где наибольшее влияние достигается за счет совместной работы.
Создавать и улучшать ИИ-системы, лежащие в основе нашего цикла открытий, от генерации и скрининга кандидатов до выбора молекул для следующего тестирования. Разрабатывать энергетические модели, которые объединяют изученные представления с физическими и химическими знаниями для более эффективного поиска в химическом пространстве. Отвечать за оценку моделей, включая бенчмарки на выделенных химических семействах, точность по сравнению с квантово-химическими расчетами и экспериментами, калибровку оценок неопределенности, перспективные тесты, где модель делает предсказания перед измерениями в лаборатории, и отслеживание по версиям моделей. Сравнивать предсказания ИИ с измерениями, исследовать расхождения и преобразовывать полученные знания в конкретные изменения моделей в сотрудничестве с исследователями и инженерами в области ИИ. Проектировать эксперименты с нашими партнерскими лабораториями, чтобы каждый раунд синтеза и тестирования был максимально информативным.
Опыт в области машинного обучения, вычислительной химии, физики или смежной области, со степенью PhD или степенью магистра плюс соответствующий опыт работы в промышленности, и практический опыт создания моделей машинного обучения для реальных научных задач. Знакомство с энергетическими моделями, диффузионными или шумовыми моделями или аналогичными генеративными подходами, и интерес к более глубокому изучению. Знания в области химии или искренний интерес к ее изучению вместе с нашими химиками. Опыт проектирования оценок и экспериментов, которые коррелируют с последующей производительностью. Богатый опыт результативных исследований, подтвержденный публикациями, патентами, программным обеспечением с открытым исходным кодом или методами, используемыми в реальных программах открытий. Отличные навыки научного письма и коммуникации, а также комфорт в работе в междисциплинарной команде. Особенно сильные кандидаты также могут иметь Практический исследовательский опыт работы с энергетическими моделями или методами, сочетающими обучение с поиском и оптимизацией. Опыт работы с молекулярным машинным обучением, таким как предсказание свойств, генеративный молекулярный дизайн, межатомные потенциалы на основе машинного обучения или квантово-химические рабочие процессы (например, DFT). Опыт замкнутого проектирования с обратной связью из реальной лаборатории
At Logical Intelligence , our mission is to accelerate the discovery of materials that make the next generation of technology possible, from light emitters and semiconductors to batteries, electric vehicles, and the chips behind AI and robotics. Large language models alone are not enough to get there. Discovering new materials requires an understanding of chemistry and physics to guide the search, and energy-based models let us build that understanding directly into our discovery loop. We work closely with industry and lab partners to shorten the path from research to real products. About the Role As a Research Scientist on our material discovery team, you will help turn that idea into new molecules. You will build the AI systems that propose and evaluate candidates, and work with our partner labs so that every synthesis and measurement teaches the models something. You will join a highly interdisciplinary team of chemists, physicists, and machine learning scientists and engineers, where the biggest impact comes from working together. What You’ll Do Build and improve the AI systems behind our discovery loop, from candidate generation and screening to selecting which molecules to test next. Develop energy-based models that combine learned representations with physical and chemical knowledge to search chemical space more efficiently. Own model evaluation, including benchmarks on held-out chemical families, accuracy against both quantum-chemistry calculations and experiment, calibration of uncertainty estimates, prospective tests where the model predicts before the lab measures, and tracking across model versions. Compare AI predictions with measurements, investigate disagreements, and turn what you learn into concrete model changes, in collaboration with AI researchers and engineers. Design experiments with our partner labs so that each round of synthesis and testing is as informative as possible. You Will Thrive in This Role If You Have A background in machine learning, computational chemistry, physics, or a related field, with a PhD, or a Master’s plus relevant industry experience, and hands-on experience building ML models for real scientific problems. Familiarity with energy-based models, diffusion or score-based models, or similar generative approaches, and an interest in going deeper. Knowledge of chemistry, or a genuine interest in learning it alongside our chemists. Experience designing evaluations and experiments that correlate with downstream performance A strong record of impactful research, shown through publications, patents, open-source software, or methods used in real discovery programs. Excellent scientific writing and communication, and comfort working in an interdisciplinary team. Especially Strong Candidates May Also Have Hands-on research experience with energy-based models, or with methods that combine learning with search and optimization. Experience with molecular ML, such as property prediction, generative molecular design, ML interatomic potentials, or quantum-chemistry workflows (e.g. DFT). Experience with closed-loop design using real lab feedback logicalintelligence.com
Сравним навыки, грейд, формат работы и зарплату
Чаще всего от 171 000 до 218 000