[AI연구팀] 신약개발 분야 인공지능 개발 연구원(AI Researcher) (병역특례 가능)
FAQ
AI Research
경력 무관

함께할 팀을 소개합니다.

AI연구팀은 더 효율적인 신약개발을 위한 인공지능 모델, 히츠의 핵심 기술을 개발하고 있습니다. 연구 대상들로는 저분자 화합물의 약물 효능 예측, 약리학적 물성 예측, 분자 설계를 위한 인공지능 모델 등이 있습니다. 신약개발은 다양한 전문 분야의 지식과 기술이 필요한 과정인 만큼 이를 위한 인공지능 개발 역시 여러분의 다양한 배경이 필요합니다. 물리, 화학, 컴퓨터 과학 등 다양한 전문성을 가진 동료들과 함께 혁신적인 인공지능 기술 개발에 참여할 수 있습니다. 더불어 딥러닝 연구에 있어 필요한 노하우나 지식을 물어보기 쉬운 전문적인 창구가 있어 도전적인 목표도 과감하게 시도할 수 있습니다.


아래 업무들 중 하나를 맡게 돼요.

1. 분자 생성 인공지능 모델 개발

  • 표적 단백질에 대해 우수한 활성을 보이는 화합물의 디자인을 위한 생성모델 개발

  • 생물학적 활성, ADMET, 합성가능성 등 화합물의 다양한 특성을 최적화

  • 생성 결과를 의약화학적으로 이해할 수 있는 해석 및 분석 개발

  • 관련 주제: generative models, diffusion models, protein-pocket-based molecule generation

2. 단백질-분자 결합체 구조 예측 모델 고도화

  • 화합물이 표적 단백질에 결합할 때의 3차원 구조 예측

  • 상용화된 타 기술들보다 우수한 성능을 보이는 히츠의 구조 예측 모델의 정확도 향상과 가속화

  • 차세대 AlphaFold, RoseTTAFold All-Atom 등 최신 기술의 신속한 내재화

  • 관련 주제: molecular docking, binding pose prediction

3. 단백질-분자 간 상호작용 예측 모델 고도화

  • State of the art 수준인 히츠의 DTI (drug-target interaction) 예측 모델의 고도화

  • DTI 예측의 난제 해결: activity cliffs, 데이터가 희소한 표적 단백질 군, 수소결합에 따른 결합력 변화, 유동적인 단백질 구조 등.

  • 관련 주제: structure-based drug design, 물리 기반 인공지능, 데이터 부족 문제

 

이런 경험을 할 수 있어요.

  • 히츠의 연구진들은 세계적인 수준의 논문을 발표해왔습니다. 국내 최고 수준의 인공지능 신약개발 연구를 경험할 수 있다고 자부합니다.

  • 현재 다양한 회사와 공동연구 및 인공지능 기술 서비스를 하고 있습니다. 이를 통해 단순히 연구실에서 이루어지는 연구를 넘어 본인의 연구가 실제 산업에 어떻게 적용되는지 확인할 수 있습니다.

  • 더 나아가 히츠의 신약개발 웹 플랫폼, Hyper Lab에 인공지능 기술을 탑재하여 본인의 연구가 실제 서비스로 이어지는 경험을 할 수 있습니다.

  • 본인이 희망한다면 회사 내 다양한 업무에 참여할 수 있는 기회가 있습니다. 팀 간 이동도 자유롭기 때문에 다양한 업무 참여 중 새로운 관심 분야를 찾으면 그 분야에서 전문성을 쌓을 수 있습니다.

 

이런 동료를 찾고 있어요.

다음의 역량들을 갖추신 분.

1. 딥러닝의 활용을 위한 기초적 이해 (아래 질문 중 5개 이상 자신있게 답할 수 있는 수준)

  • Batch로 나누어서 학습하는 이유가 무엇인가요? 메모리가 무한이라면 모든 데이터를 한 batch로 만들어서 학습하는 게 좋을까요?

  • Dropout이 무엇인가요? Dropout의 작동 방식이 학습 시와 inference 시 어떻게 다른가요?

  • 딥러닝 모델에서 activation function의 기능은 무엇인가요? 딥러닝 모델에서 activation function을 모두 제거하면 어떻게 될까요?

  • Transformer의 attention 알고리즘에 대해서 설명해주세요. RNN과 다르게 Transformer는 대규모 병렬 연산이 가능한 이유가 무엇인가요?

  • 생성 모델에서 잠재 변수를 도입할 때 이점은 무엇인가요?

  • Active learning에 대해 설명해주세요. 무작위로 새로운 데이터를 관찰하는 것보다 active learning이 효율적인 이유가 무엇인가요?

  • 화합물의 독성을 예측하는 이진분류 모델을 서비스 하고자 할 때, 최종 모델을 준비하는 과정을 데이터 분리와 분류 임곗값의 관점에서 설명해주세요.

  • 딥러닝 모델의 예측에 대한 신뢰도를 가늠할 수 있는 방법을 설명해주세요.

2. 탑 티어 학회나 저널에 공개되는 최신 기술을 팔로우 업 하여 빠르게 테스트, 내재화 하는 능력

3. 모델 개발을 위해 데이터를 수집하고, 데이터의 생성 과정을 이해하여 정제할 줄 아는 능력


이런 역량이 있으면 더 좋아요.

  • 화학, 생화학, 생명과학 등 신약개발 관련 분야를 학습하거나 연구한 경험 (아래 같은 기본 개념들을 설명할 수 있는 수준):

    • 분자간 상호작용 (수소 결합, van der Waals 상호작용, π–π 상호작용 등)

    • 분자의 3차원 구조의 형성 원리

    • 화학 반응과 열역학적 평형

    • 단백질의 구조

    • 효소의 기작

  • 딥러닝 응용 분야로 석·박사 학위 또는 3년 이상 기업/연구소 경력 보유

  • ICML, NIPS, ICLR, AAAI, IJCAI, ECCV, ICCV, CVPR, SIGIR, WWW, ACL, KDD 등 탑 티어 AI 학회나 저널에 논문을 출판한 경험

  • Kaggle, Dacon과 같은 챌린지에서 수상한 경험

 

합류 여정

  • 서류 전형 → 실무자 인터뷰 → 평판조회(상사2, 동료2) → 대표이사 인터뷰 → 최종 합격

  • 평판조회는 스팩터 플랫폼을 이용합니다.

 

근무 조건

  • 채용 형태 : 정규직 *수습 기간 3개월(수습 기간에도 연봉의 100%를 지급합니다.)

  • 근무 장소 : 서울 강남구 테헤란로 124 삼원타워

 

참고해 주세요.

  • 인터뷰는 테헤란로 히츠 본사에서 진행됩니다.

  • 평판조회는 스펙터 서비스를 이용하여 진행됩니다.

  • 최종합격시 3개월간 수습기간이 있으며, 수습기간 중 급여나 처우의 차이는 없습니다.

  • 필요 시 ppt 프레젠테이션 전형을 요청할 수 있습니다.

  • 본 채용은 상시 채용으로 합격자 발생 시 별도의 안내 없이 마감될 수 있습니다.

  • 각 전형 결과는 합/불 여부와 관계없이 모든 지원자에게 메일로 안내 드립니다.

 

문의

히츠 채용팀 recruit@hits.ai