Description
We are recruiting engineers and researchers for material exploration and drug discovery fields.
As the field of application of numerical computation technology in various fields such as chemistry, materials science, and life science is expanding rapidly, the development of new materials using computers has been attracting attention. On the other hand, there is a gap between first-principles physics simulation technology and new material search / physical property prediction from the view of calculation cost and model granularity. Similarly, accurate in silico prediction of protein-ligand binding affinity is essential for drug design, but there is still room for improvement.
We conduct research and development of the fusion of machine learning and physical models for material exploration and drug discovery. Specifically, we currently aim to realize physical property/binding affinity prediction and development of new materials / medicine that greatly exceed the conventional application limits through the establishment of physical simulation technology based on deep learning and molecular generation / structure proposal technology based on deep learning.
We look forward to applications from people with knowledge and experience in related fields, as well as those who are sympathetic to this ambitious goal.
- R&D of drug discovery / material search-related algorithms
- R&D of simulation algorithms related to drug discovery / chemistry / materials science
- Data analysis of compound datasets
PFNの材料探索・創薬分野を担うエンジニア・リサーチャーを募集します。
化学・材料科学・生命科学などの各種分野における数値計算技術の適用領域は大きく広がりつつあり、計算機による新材料開発が注目されてきています。一方で第一原理的な物理シミュレーション技術と新材料探索・物性予測の間には計算コストやモデルの粒度の観点からいまだ大きなギャップが存在しており、この溝を埋めることが重要となっています。同様に、創薬の分子設計において正確なタンパク質リガンド結合アフィニティーの予測は重要ですが、改善の余地が残されています。
PFNでは機械学習と物理モデルの融合により材料探索・創薬を目指す研究開発を行っています。具体的には深層学習に基づく物理シミュレーション技術の確立や、深層学習に基づく分子生成・構造提案技術などを通して、従来の適用限界を大きく超えた材料探索・物性予測および医薬品探索・結合アフィニティー予測を実現することを目指しています。関連分野の知識・経験がある方はもちろんのこと、この野心的な目標に共感していただける方、熱意のある方の応募をお待ちしています。
具体的な業務内容
- 材料探索・創薬に関する手法の研究及びそれらを用いた材料や薬の開発
- 創薬・化学・材料科学に関するシミュレーション手法の開発
- 化合物データの解析
Requirements
Minimum Qualifications
- B.A. qualification or higher in chemistry or related fields.
- Basic knowledge of computer science.
- Experience with data analysis, machine learning and/or statistical tools (NumPy, pandas, scikit-learn etc.). Expertise in the Python programming language is preferred, but not mandatory.
Preferred Qualifications
- R&D Experience / Deep knowledge of chemistry (organic/inorganic) or related fields.
- Experience in computational chemistry. Especially for quantum chemical calculation (DFT etc) and molecular dynamics simulation.
- Proficiency with chemical calculation software e.g. GAUSSIAN, VASP, GROMACS etc.
- Proficiency with chemical calculation support tools e.g., RDKit, Open Babel etc.
- Experience with R&D and publishing papers in cheminformatics, materials informatics or related fields.
- Experience in machine learning, deep learning.
- Knowledge / Experience in optimization algorithms e.g. searching algorithm, Mathematical optimization
- Communication skills with engineers in different fields.
- Ability to survey and implement state-of-the-art algorithms.
- Strong expertise and experience in one’s research field.
- Highly motivated to learn new domain knowledge.
Required documents in addition to a resume
- Paper list
必要な経験・スキル
- 物理、化学、材料科学いずれかに対する基本的な知識や関心
- 基本的なコンピュータサイエンスに関する知識
- 機械学習・統計ツールを用いたデータ解析技術（例えばNumPy, pandas, scikit-learnなど。特定のツールに習熟していることは必須ではありません）
望ましい経験・スキル
- 物理、化学、材料科学に関する、大学卒業程度の知識
- 計算科学の経験。例えば、量子化学計算、分子動力学法等のシミュレーション技法に対する深い知識や実装経験、使用経験。
- 物理シミュレーションと機械学習の融合に関する研究開発・論文執筆経験
- 計算化学ソフトウェアや補助ツールに対する知識・習熟。例えば、GAUSSIAN, VASP, GROMACS, RDKit, Open Babelなど
- ケモインフォマティクス・マテリアルズインフォマティクス分野での研究開発・論文執筆経験
- 機械学習・深層学習関連の研究・開発経験
- 数理最適化、探索、数値解析などの知識・実装・使用経験
- プログラミング競技コンテスト、ゲームAIコンテスト、データ分析コンテスト（Kaggleなど）などの実績・経験
- 違う分野、企業のエンジニアと積極的に議論ができること
- 最新の論文の動向を追いかけ、実装ができる能力
- 自分の専門分野に関する深い知見と経験があること
- 常に新しいドメインの知識を学ぶ意欲
応募書類
- 論文リスト
Benefits
Type of Employment
- Full-time regular employment
- Probation period: 3 months (under the same condition as regular employment)
Location
- Otemachi Bldg., 1-6-1 Otemachi, Chiyoda-ku, Tokyo
Work System
- Five-day workweek (Saturdays and Sundays off), public holidays, New Year’s holiday
- Discretionary-work (deemed work hours: 8 hours) or Flex-time system
- Annual paid leave based on company regulations
Compensation
- Experience, performance, skills, contribution are taken into consideration.
- Periodic assessment (2 times a year)
- In addition to basic salary, bonuses are paid based on company’s performance and individual contribution. (Twice a year: Apr/Oct)
- Commutation expenses
Welfare
- Various social insurance programs: pension insurance, health insurance, employment insurance, workers’ compensation
- Vacation: Paid leave, maternity leave, parental leave, congratulation or condolence leave
- Regular health checks
- Allowance for purchasing a laptop PC.
- Defined contribution pension
雇用形態
- 正社員試用期間3ヶ月（本採用と同条件）
勤務場所
- 東京都千代田区大手町1-6-1大手町ビル
勤務体系
- 土曜日、日曜日、国民の祝日、国民の休日、 その他（慶弔、年末年始）
- 専門労働型裁量労働制（みなし労働時間：8時間）もしくはフレックス制
- 当社規定による年次有給休暇制度
待遇
- 経験、業績、能力、貢献に応じて、当社規定により優遇
- 年2回見直し
- 基本給に加え、会社業績および個人のパフォーマンスに応じたボーナス（年2回、4月/10月）
- 交通費支給
福利厚生
- 社会保険完備（厚生年金保険、健康保険、雇用保険、労災保険）
- 有給休暇、産前産後休暇、育児休暇、慶弔休暇等
- 定期健康診断実施
- ラップトップPC購入補助
- 確定拠出年金制度