返回所有岗位
全职

MD模拟工程师 / 计算化学科学家

AI for Science方向

全职分子动力学计算化学AI for Science

岗位职责

  • 分子动力学物理模拟：独立负责分子动力学（MD）模拟全流程，包括体系构建、力场选择与参数化、模拟设置、轨迹分析及结果验证；覆盖生物大分子（蛋白、核酸、多肽）、小分子-蛋白复合物等体系；根据项目需求设计并执行平衡态/非平衡态 MD、Umbrella Sampling、Metadynamics、REMD 等增强采样方案。
  • 数据生成：基于 MD 模拟独立设计并批量生成高质量训练数据，包括构象集合、能量/力标签、轨迹数据、多种溶剂构象模拟、跨膜模拟及自由能相关数据；与算法团队协作明确数据格式、精度、覆盖度和多样性要求，构建可复用的数据生产 Pipeline；负责数据质量控制、清洗、标注与版本管理，确保数据可用于模型训练与验证。
  • 方法开发与流程自动化：开发并维护基于 GROMACS、OpenMM、AMBER、LAMMPS 等工具的 MD 模拟与数据生成自动化脚本和工作流；优化模拟效率与数据吞吐，支持 HPC/GPU 集群上的大规模并行计算。
  • 跨团队协作：与 AI 算法、药化和生物团队紧密合作，理解建模需求并转化为可执行的模拟与数据方案；参与 AI 模型的物理合理性评估与迭代反馈。

任职要求

  • 计算化学、物理化学、生物物理、计算生物或相关专业硕士及以上学历（博士优先）。
  • 具备独立完成 MD 模拟全流程的实战经验，熟悉至少一种主流 MD 软件（GROMACS / OpenMM / AMBER / LAMMPS / NAMD 等）。
  • 熟悉力场（AMBER、CHARMM、OPLS 等）及常用模拟分析工具（MDAnalysis、MDTraj、VMD、PyMOL 等）。
  • 具备为 AI/ML 模型生成训练数据的经验，理解数据质量对模型性能的影响。
  • 熟练使用 Python 进行脚本开发与数据处理，熟悉 Linux/HPC 环境。
  • 具备良好的英文文献阅读能力与独立解决问题的能力。

加分项

  • 具备自由能微扰（FEP）或相关自由能计算经验者优先，如 FEP、TI、BAR/MBAR、ABFE、RBFE 等。
  • 有增强采样、伞形采样、元动力学等方法经验。
  • 熟悉机器学习/深度学习基础，了解 AI for Science、神经网络势函数（如 ANI、MACE、NequIP 等）者优先。
  • 有大规模数据生成 Pipeline 或工作流引擎（Snakemake、Nextflow 等）经验。
  • 有药物发现、蛋白-配体结合、材料模拟等相关领域经验。

我们提供

  • 参与前沿 AI for Science 项目，直接影响模型训练数据与算法迭代。
  • 与计算、算法、实验团队深度协作的跨学科环境。
  • 有竞争力的薪酬与灵活的科研氛围。
  • 充足的算力资源与数据基础设施支持。

加分项关键词（供简历参考）

MDGROMACSOpenMMAMBERLAMMPSFEP自由能计算增强采样力场构象采样训练数据生成PythonHPCAI for Science神经网络势函数