清华大学智能产业研究院（AIR）智慧医疗团队招聘博士后/科研工程师/实习生，主要从事AI for Science的交叉学科研究，利用深度学习、自然语言处理、信息检索等领域的前沿方法解决交叉学科的各类挑战性问题。技术创新将落地在AI制药，健康计算等前沿领域，赋能产业，完成高水平科研成果输出。AIR将提供一流的科研平台与创新氛围，在开展前沿研究的同时为大家提供有竞争力的薪酬。其中本科和硕士实习生，还有机会成为拟2023年入学的博士生候选人（团队多位老师有计算机系直博名额）。
职责要求
进行AI for Science前沿技术的研究，完成高水平科研成果输出，不断扩大相关领域研究在学术界和产业界影响力，并推广相关产业化工作。关注的课题方向包括：
几何深度学习
针对网格、图谱、流形、李群等数据，设计具有几何对称性的神经网络，包括但不限于图神经网络、Transformer、深度集合函数、群等变卷积神经网络、规范不变神经网络等，并对这些神经网络进行完备性、泛化性等理论分析，探索不同神经网络高效构件的设计，搭建复杂结构数据的大规模预训练模型和自监督训练方法。
AI 物理
设计基于物理启发的深度学习模型，融合经典牛顿力学、量子力学、相对论等物理定律，解决单体或多体时空物理系统的状态、力、能量、场等物理量的预测，对多体动力学进行建模和模拟，利用数据驱动的方法修正或加速传统方法（如哈密顿方程、薛定谔方程、密度泛函理论等）的求解，研究从观测数据中发现新物理规律。
AI 化学
基于物理、化学第一性原理，利用深度学习方法对电子、原子、分子、化合物等多尺度结构及其相互作用进行建模和表示，研究结构和化学性质之间的关系，对化学反应、分子合成等过程进行建模和模拟，设计化合物生成与优化方法。
小分子药物研发与蛋白质结构预测
针对药物小分子，设计分子表示学习、分子性质预测、分子构型生成等方法；利用深度学习技术实现高效、精准的蛋白质结构折叠预测，从而辅助解析蛋白质功能及药物靶点设计。包括但不限于信息检索技术、预训练模型、Transformer等深度学习技术，实现轻量级、高精度的蛋白质三维结构预测。
抗体设计与优化
抗原-抗体的复合物强度及结构预测对于抗体的设计和优化有着重要意义，拟基于深度学习方法进行高效的抗体筛选，并通过计算实时根据不同的病毒突变改进已有抗体，从而辅助抗体设计中的筛选及面临病毒突变的优化等任务，加速抗体研发。
个性化肿瘤疫苗
针对不同患者的同一类型肿瘤仍存在较大差异这一问题，拟基于不同用户的基因突变序列，通过预训练、Transformer等技术为其设计个性化的肿瘤疫苗，从而实现个体化精准治疗，提升计算效率的同时降低人工参与。
我们希望候选人
To 计算机的：
To 非计算机的：
学科背景为数学、物理、化学、医学、生命科学、生物信息学等相关专业；
有较强的数学建模和问题发现的能力，能够结合专业知识准确定义和发现问题。
自驱力强，良好的团队合作精神；
需每周2-3天的研究投入时间，以及半年以上的连续投入，目标为合作产出高水平论文成果
您将获得
全新的跨领域探索机会，与顶级科学家直接合作，输出高水平学术成果；
一群和你同样优秀的小伙伴，第一手前沿讲座、论坛、竞赛活动信息；
自由活泼的工作环境，不定期举办各类活动，免费咖啡零食；
优质的人脉资源和业界巨头的大力推荐（包括但不限于推荐信）。
联系方式
请将个人简历发至airhr@air.tsinghua.edu.cn，邮件标题：申请岗位 姓名。
