Arquitecto de conocimiento de materiales

Acerca de CuspAI
CuspAI es la empresa de inteligencia artificial de vanguardia cuya misión es resolver los materiales innovadores necesarios para impulsar el progreso humano. Si bien la naturaleza tardó miles de millones de años en perfeccionar las moléculas, nosotros estamos aprovechando la IA para desbloquear avances en materiales valorados en billones de dólares en meses, no milenios. Nuestro equipo fundador es el más citado del mundo y está compuesto por investigadores de talla mundial en IA, química e ingeniería.

Estamos trabajando en algunos de los desafíos más difíciles e importantes, incluidos la energía, el agua limpia, el futuro de la informática y la captura de carbono, y esto es solo el comienzo de lo que nuestro "motor de búsqueda" de materiales de próxima generación desbloqueará.

Lo invitamos a ser parte de un equipo diverso e innovador en la intersección de la inteligencia artificial y la ciencia de materiales, trabajando para crear asociaciones impactantes que impulsen la innovación, la escalabilidad y la colaboración industrial. Este trabajo importa. Tu trabajo importa.

Estamos en la cúspide de la era de los materiales bajo demanda. Únase a nosotros.

El papel
Debido al rápido crecimiento de la empresa y la expansión de las asociaciones de datos externos, buscamos un arquitecto de conocimiento de materiales para unirse a nuestro equipo de datos y liderar el diseño de nuestras representaciones, esquemas y canales de ingesta de datos científicos.

Tu impacto
Esta es una oportunidad emocionante para unirse al equipo de datos de CuspAI, trabajando en estrecha colaboración con expertos en inteligencia artificial e investigadores de ciencias de materiales líderes a nivel mundial para diseñar modelos de datos y canales de ingesta que conviertan datos externos heterogéneos en activos de datos procesables. Gran parte de los datos que impulsan nuestros modelos llegan en diferentes formatos, esquemas y estándares. Como arquitecto del conocimiento de materiales, usted será dueño de cómo se representan, modelan e incorporan esos datos a CuspAI, y será fundamental para garantizar su calidad a escala para que pueda impulsar el descubrimiento de la próxima generación de materiales.

lo que harás

Arquitectura de datos y diseño de esquemas

• Diseñar los modelos de datos que representan información sobre propiedades químicas, estructurales y de materiales, y definir cómo diversas fuentes externas se asignan a una representación interna coherente e interoperable.

• Establecer y poseer marcos de calidad, validación, deduplicación, linaje y procedencia de los datos para que cada conjunto de datos ingerido sea confiable, rastreable y esté listo para ML.

• Utilice su experiencia en química, física y/o ciencia de materiales para maximizar la calidad, escala y coherencia de los datos que fluyen desde fuentes externas.

Ejecución de ingesta y canalización de datos

• Liderar la ingesta de datos de socios (colaboradores industriales, proveedores de instrumentos y simulación, instituciones de investigación y proveedores de datos comerciales) creando canales sólidos que normalicen, armonicen y concilien los datos que llegan en diversos formatos y estándares.

• Contribuir a los esfuerzos del equipo de datos para identificar, evaluar y evaluar nuevas fuentes de datos, asociaciones y oportunidades de generación de datos, incluidas campañas computacionales (por ejemplo, DFT, dinámica molecular) y experimentales.

Colaboración interdisciplinaria y de socios

• Asociarse directamente con proveedores de datos externos para comprender sus datos, acordar formatos y estándares, definir asignaciones de esquemas y resolver problemas de calidad, procedencia e interoperabilidad en el origen.

• Trabajar en asociación con equipos de investigación e ingeniería para traducir las necesidades de modelado en requisitos de ingesta y conjuntos de datos listos para ML.

• Comunicar su trabajo y crear conciencia sobre las oportunidades para mejorar los modelos de datos, los procesos de ingesta y la calidad general de los datos.

Debe tener habilidades y calificaciones:

• Experiencia comprobada en el diseño de modelos y esquemas de datos para dominios científicos o técnicos complejos y en la selección de activos de datos de alta calidad a partir de ellos.

• Experiencia demostrable en la incorporación, integración y armonización de datos de múltiples fuentes o socios externos, cada uno con diferentes formatos, esquemas y niveles de calidad.

• Doctorado en Química, Física, Ciencia de Materiales, Química Computacional o disciplina afín, o experiencia equivalente en investigación científica.

• Experto en representación de datos, ontologías, modelado de datos y curación de activos de datos interoperables y de alta calidad.

• Experiencia trabajando con una amplia gama de tipos de datos utilizados en el descubrimiento de materiales, especialmente datos experimentales y de caracterización (por ejemplo, parámetros de síntesis y condiciones de procesamiento, patrones XRD, espectroscopia, isotermas de adsorción, mediciones de dispositivos) junto con propiedades calculadas (por ejemplo, energías de formación derivadas de DFT, bandas prohibidas), y mapeo de fuentes heterogéneas.

• Conocimiento profundo de materiales y fuentes de datos químicos que abarcan dominios experimentales y computacionales (por ejemplo, ICSD, Cambridge Structural Database, NOMAD, Materials Project) y de los desafíos prácticos de armonizar datos generados en laboratorio (salidas de instrumentos, registros ELN/LIMS, convenciones de unidades, procedencia) en activos interoperables y listos para ML.

• Conocimiento práctico de Python y SQL con experiencia en la creación de canalizaciones de datos para datos experimentales y computacionales, incluido el diseño de esquemas/modelos de datos (por ejemplo, Pydantic, JSON Schema) y familiaridad con materiales y kits de herramientas de ciencia de datos (por ejemplo, pymatgen, ASE, Pandas/Polars).

• Experiencia de primera mano sobre cómo se producen realmente los datos experimentales (flujos de trabajo de laboratorio, peculiaridades de los instrumentos, metadatos incompletos) y estrategias pragmáticas para modelarlos fielmente en lugar de forzarlos a esquemas idealizados.

• Fuerte comunicador y colaborador comprobado, cómodo trabajando directamente con socios externos, así como con equipos multidisciplinarios de química/física/materiales y productos/ingeniería.

Puntos de bonificación (pero no críticos):

• Experiencia trabajando en la industria en una empresa de materiales, productos químicos, energía o tecnología profunda, o en estrecha colaboración con la industria en una institución de investigación o laboratorio nacional.…

Fuente: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/cuspai/materials-knowledge-architect-london-340951)