Architecte de la connaissance des matériaux

À propos de CuspAI
CuspAI est la société pionnière de l'IA dont la mission est de résoudre les matériaux révolutionnaires nécessaires au progrès humain. Alors que la nature a mis des milliards d’années à perfectionner les molécules, nous exploitons l’IA pour débloquer des avancées technologiques valant des milliers de milliards de dollars en quelques mois, et non en millénaires. Notre équipe fondatrice est la plus citée au monde, composée de chercheurs de classe mondiale en IA, chimie et ingénierie.

Nous travaillons sur certains des défis les plus difficiles et les plus importants, notamment l'énergie, l'eau propre, l'avenir de l'informatique et la capture du carbone, et ce n'est que le début de ce que notre « moteur de recherche » pour les matériaux de nouvelle génération va débloquer.

Nous vous invitons à faire partie d'une équipe diversifiée et innovante à l'intersection de l'IA et de la science des matériaux, travaillant à créer des partenariats percutants qui stimulent l'innovation, l'évolutivité et la collaboration industrielle. Ce travail compte. Votre travail compte.

Nous sommes à l’aube de l’ère des matériaux à la demande. Rejoignez-nous.

Le rôle
En raison de la croissance rapide de l'entreprise et de l'expansion des partenariats de données externes, nous recherchons un architecte des connaissances en matériaux pour rejoindre notre équipe de données et diriger la conception de nos représentations de données scientifiques, de nos schémas et de nos pipelines d'ingestion.

Votre impact
Il s'agit d'une opportunité passionnante de rejoindre l'équipe de données de CuspAI, travaillant en étroite collaboration avec des experts mondiaux en IA et des chercheurs en science des matériaux pour concevoir des modèles de données et des pipelines d'ingestion qui transforment des données externes hétérogènes en actifs de données exploitables. La plupart des données qui alimentent nos modèles arrivent sous différents formats, schémas et normes. En tant qu'architecte des connaissances en matériaux, vous serez responsable de la manière dont ces données sont représentées, modélisées et introduites dans CuspAI, et jouerez un rôle fondamental en garantissant leur qualité à grande échelle afin qu'elles puissent alimenter la découverte de la prochaine génération de matériaux.

Ce que vous ferez

Architecture de données et conception de schémas

• Concevoir les modèles de données qui représentent les informations sur les propriétés chimiques, structurelles et des matériaux, et définir la manière dont diverses sources externes correspondent à une représentation interne cohérente et interopérable.

• Établir et posséder des cadres de qualité, de validation, de déduplication, de lignage et de provenance des données afin que chaque ensemble de données ingéré soit fiable, traçable et prêt pour le ML.

• Utilisez votre expertise en chimie, physique et/ou science des matériaux pour maximiser la qualité, l'échelle et la cohérence des données provenant de sources externes.

Ingestion et exécution du pipeline de données

• Diriger l'ingestion de données provenant de partenaires (collaborateurs industriels, fournisseurs d'instruments et de simulation, instituts de recherche et fournisseurs de données commerciales) en créant des pipelines robustes qui normalisent, harmonisent et réconcilient les données arrivant dans des formats et normes variés.

• Contribuer aux efforts de l'équipe de données pour identifier, évaluer et évaluer de nouvelles sources de données, partenariats et opportunités de génération de données, y compris des campagnes informatiques (par exemple DFT, dynamique moléculaire) et expérimentales.

Partenaire et collaboration interdisciplinaire

• Collaborez directement avec des fournisseurs de données externes pour comprendre leurs données, convenir des formats et des normes, définir des mappages de schémas et résoudre les problèmes de qualité, de provenance et d'interopérabilité à la source.

• Travailler en partenariat avec les équipes de recherche et d'ingénierie pour traduire les besoins de modélisation en exigences d'ingestion et en ensembles de données prêts pour le ML.

• Communiquez votre travail et faites connaître les opportunités d'amélioration des modèles de données, des processus d'ingestion et de la qualité globale des données.

Doit avoir des compétences et des qualifications :

• Expérience avérée dans la conception de modèles et de schémas de données pour des domaines scientifiques ou techniques complexes, et dans la conservation d'actifs de données de haute qualité à partir de ceux-ci.

• Expérience démontrable dans l'ingestion, l'intégration et l'harmonisation de données provenant de plusieurs sources ou partenaires externes, chacune avec des formats, des schémas et des niveaux de qualité différents.

• Doctorat en chimie, physique, science des matériaux, chimie computationnelle ou dans une discipline connexe, ou expérience équivalente en recherche scientifique.

• Expert en représentation de données, ontologies, modélisation de données et conservation d'actifs de données interopérables de haute qualité.

• Expérience de travail avec un large éventail de types de données utilisés dans la découverte de matériaux - en particulier les données expérimentales et de caractérisation (par exemple, les paramètres de synthèse et les conditions de traitement, les modèles XRD, la spectroscopie, les isothermes d'adsorption, les mesures d'appareils) ainsi que les propriétés calculées (par exemple les énergies de formation dérivées du DFT, les bandes interdites) - et leur cartographie sur des sources hétérogènes.

• Connaissance approfondie des matériaux et des sources de données chimiques couvrant à la fois les domaines expérimentaux et informatiques (par exemple ICSD, la base de données structurelle de Cambridge, NOMAD, Materials Project) et des défis pratiques liés à l'harmonisation des données générées en laboratoire - sorties d'instruments, enregistrements ELN/LIMS, conventions d'unités, provenance - en actifs interopérables et prêts pour le ML.

• Connaissance pratique de Python et SQL avec une expérience dans la création de pipelines de données pour les données expérimentales et informatiques, y compris la conception de schémas/modèles de données (par exemple, Pydantic, JSON Schema) et familiarité avec les boîtes à outils de science des matériaux et des données (par exemple, pymatgen, ASE, Pandas/Polars).

• Expérience directe de la manière dont les données expérimentales sont réellement produites (flux de travail en laboratoire, bizarreries des instruments, métadonnées incomplètes) et stratégies pragmatiques pour les modéliser fidèlement plutôt que de les forcer dans des schémas idéalisés.

• Fort communicateur et collaborateur éprouvé, à l'aise à travailler directement avec des partenaires externes ainsi qu'avec des équipes multidisciplinaires de chimie/physique/matériaux et de produits/ingénierie.

Points bonus (mais pas critiques) :

• Expérience de travail dans l'industrie dans une entreprise de matériaux, de produits chimiques, d'énergie ou de technologie profonde, ou en étroite collaboration avec l'industrie dans un institut de recherche ou un laboratoire national.…

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