公司：探序秩元

Base：上海

关于我们 (About Us) 

我们是一支源自顶尖产业实践与科学探索的 Scientific Intelligence （科学智能）创业团队。

不同于传统的 CADD 或 CRO，我们致力于构建下一代通用的生物分子生成式基础模型（General-Purpose Generative Foundation Models）。

我们的核心愿景是利用几何深度学习和大模型技术，从高精度的全原子结构预测，到基于口袋的药物从头生成（De Novo Design），我们正在重新定义大、小分子的药物发现科学底层。

---

热招岗位 1：Scientific Intelligence 算法科学家 (Generative AI & Structure Prediction)

(全职 / 实习)

岗位定位：

你需要不仅懂深度学习，还要理解分子世界的 Domain Science规则 （物理、化学）；你将借助AI研发能够“理解”三维空间和化学作用力的SOTA模型，寻求Domain Science融合Generative Intelligence 的 Topline表现。

核心职责：

1. 通用结构预测模型：研发对标 AlphaFold3 的全原子结构预测模型，提升蛋白质-小分子、抗原-抗体复合物的预测精度。

2. 生成式药物设计：基于 Diffusion Models (扩散模型) ，开发针对特定靶点（Target）的 3D 分子生成算法（包括小分子配体生成、多肽设计或蛋白骨架设计）。

3. 几何深度学习研究：探索 SE(3) 等变神经网络、图神经网络（GNN）在处理分子构象、旋转平移不变性上的创新架构。

4. 物理与AI的融合：尝试将物理能量函数（Energy Function）或分子动力学（MD）先验引入深度学习模型，提高生成分子的物理真实性。

任职要求：

- 专业背景：计算机科学、应用数学、计算化学或相关领域硕士及以上学历（博士优先）；或同等背景能力。

- 代码能力：精通 PyTorch/JAX，具备极强的复现能力（如复现过 DiffDock, TankBind, AlphaFold, ESM 等）和自助原发探索的兴趣和实现能力。

- 核心技能（至少熟悉以下一项）：

  - Generative AI：熟悉 DDPM, Score-based models, Flow Matching 原理。

  - Geometric DL：熟悉 e3nn, PyG, SE(3)-Transformer 等图/几何网络库。

  - Structure Biology：深刻理解 MSA、蛋白质折叠、分子对接（Docking）原理。

为什么加入我们？

1. 做最有挑战的事：我们不只是做“预测”，我们做“生成”。这是目前 AI x Nature 领域最硬核、天花板最高的赛道。

2. 全明星团队：在这里，你将与拥有顶级学术背景（MSR/U Chicago/THU/PKU/Shanghai AI Lab） 和工程背景（Kaggle Grandmaster ）的 Mentor 并肩作战，技术氛围纯粹。

3. 基础设施：拥有充沛的 GPU 算力集群，支持从头训练大参数量的 Foundation Models。

4. "The true North"：我们的目标不是为了刷榜，而是为了让生成的分子真正走进湿实验，走向临床。

5. "Game with the best": 无论是SOTA基模，别构、affinity功能，及至架构革新实验，这里都是领风气之先的首创

---

投递方式

邮箱：work@intelligenai.com.cn 邮件标题：[姓名] - [申请岗位] - 实习