AI for Biology / Computational Biology 科学家

AI for Biology Scientist / Computational Biology Scientist

岗位描述

你将站在 AI 与生命科学的交叉位置，与 Foundation Model、Scientific Agent 和科学数据团队共同探索下一代 AI for Biology 系统。

生命科学中的 DNA、RNA、蛋白质、三维结构、分子相互作用、Omics、细胞状态、实验扰动和表型并不是彼此独立的数据类型，而是同一个生命系统在不同尺度下的不同观测。

我们希望探索如何让 AI 跨越这些尺度理解生命系统，并进一步从已有知识理解走向 biological prediction、generation、design 和 scientific discovery。

这个岗位不要求你一定来自传统 AI / CS。我们同样欢迎具有扎实生命科学背景、计算能力强，并希望真正进入 AI for Science 的研究者。

研究方向

• AI for Biology

• Computational Biology

• Biological Foundation Models

• Protein / RNA / DNA Modeling

• Biological Sequence Modeling

• Protein Structure & Molecular Modeling

• Generative Biology

• Multi-omics

• Multimodal Biological Learning

• Biological Representation Learning

• Protein / Molecular Design

• Biological Evaluation & Benchmarking

• AI-driven Scientific Discovery

岗位职责

• Biological Foundation Model：参与生命科学基础模型的研究，探索 DNA、RNA、Protein、Structure、Omics、Scientific Literature 和 Experimental Data 等不同科学模态的表示、建模和跨模态学习。

• Scientific Problem Formulation：将真实生命科学问题转化为可以被模型学习、预测和验证的 computational task，与 AI 团队共同定义训练目标、数据形式和评测体系。

• Biological Representation：探索 sequence、structure、function、interaction、cell state、phenotype 等不同尺度之间的关系，以及适用于生命科学的 representation 和 multimodal alignment 方法。

• Generative Biology：参与 Protein / RNA / Molecular Design 等生成式生命科学任务，研究模型如何从 prediction 进一步走向 generation 和 design。

• Biological Evaluation：设计具有科学意义的 benchmark 和 evaluation，判断模型提升是否真正对应 biological capability，而不仅仅是 benchmark number 的变化。

• Scientific Discovery：与 Scientific Agent 和实验合作团队协作，将模型预测和生成结果连接到真实科研问题及实验验证，探索 Model → Hypothesis / Design → Experiment → Feedback 的闭环。

我们希望你

• 本科及以上学历，生物信息学、计算生物学、生物工程、生物学、化学、计算机、人工智能或相关交叉学科背景；

• 在至少一个生命科学方向具有扎实基础，例如 Protein、RNA、Genomics、Omics、Structural Biology、Molecular Biology、Drug Discovery 等；

• 具备良好的计算研究能力，熟悉 Python，并能够独立完成数据分析、模型实验或 computational biology workflow；

• 对现代机器学习 / Deep Learning 有基本理解，并有强烈意愿进一步深入 AI for Biology；

• 能够理解 biological question、data、model 和 experimental validation 之间的关系；

• 对 AI for Science 有长期兴趣，希望探索 AI 如何真正参与科学发现。

加分项

• 有 Protein Language Model、RNA / DNA Foundation Model、Structure Prediction、Generative Biology 等研究经验；

• 有 Protein Design、Molecular Design、Drug Discovery、Molecular Dynamics 等经验；

• 有 Genomics / Transcriptomics / Single-cell / Spatial Omics 等数据分析经验；

• 有 Multimodal Biology 或跨尺度 biological representation learning 经验；

• 有 PyTorch / JAX 及深度学习模型训练经验；

• 有真实 wet-lab collaboration 或 computational → experimental validation 经验；

• 有高水平会议 / 期刊论文；

• 有高质量 scientific software、dataset 或开源项目。

我们尤其希望找到能够连接 Biology 与 AI 的人：

既能理解一个模型为什么有效，也能判断它学到的东西在生物学上是否真正有意义。

我们不要求每一位候选人同时成为最强的 AI Researcher 和最强的 Biologist。更重要的是，你在其中一个方向有足够深的积累，同时有能力和兴趣跨越两个领域之间的边界。