Architekt wiedzy o materiałach

O CuspAI
CuspAI to wiodąca firma zajmująca się sztuczną inteligencją, której misją jest znalezienie przełomowych materiałów potrzebnych do napędzania postępu ludzkości. Podczas gdy natura potrzebowała miliardów lat na udoskonalenie cząsteczek, my wykorzystujemy sztuczną inteligencję, aby odblokować przełomowe materiały warte biliony dolarów w ciągu miesięcy, a nie tysiącleci. Nasz zespół założycielski jest najczęściej cytowany na świecie i składa się ze światowej klasy badaczy zajmujących się sztuczną inteligencją, chemią i inżynierią.

Pracujemy nad niektórymi z najtrudniejszych i najważniejszych wyzwań, w tym energią, czystą wodą, przyszłością obliczeń i wychwytywaniem dwutlenku węgla, a to dopiero początek możliwości, jakie odblokuje nasza „wyszukiwarka” materiałów nowej generacji.

Zapraszamy Cię do bycia częścią zróżnicowanego, innowacyjnego zespołu na styku sztucznej inteligencji i inżynierii materiałowej, pracującego nad tworzeniem wpływowych partnerstw, które napędzają innowacje, skalowalność i współpracę branżową. Ta praca ma znaczenie. Twoja praca ma znaczenie.

Jesteśmy u progu ery materiałów na żądanie. Dołącz do nas.

Rola
Ze względu na szybki rozwój firmy i rozszerzającą się współpracę z zewnętrznymi partnerami w zakresie danych poszukujemy architekta wiedzy o materiałach, który dołączy do naszego zespołu danych i pokieruje projektowaniem naszych naukowych reprezentacji danych, schematów i potoków przetwarzania.

Twój wpływ
To ekscytująca okazja, aby dołączyć do zespołu danych w CuspAI i ściśle współpracować z wiodącymi na świecie ekspertami w dziedzinie sztucznej inteligencji i badaczami materiałoznawstwa w celu zaprojektowania modeli danych i potoków przetwarzania, które przekształcają heterogeniczne dane zewnętrzne w przydatne zasoby danych. Duża część danych stanowiących podstawę naszych modeli pojawia się w różnych formatach, schematach i standardach. Jako architekt wiedzy o materiałach będziesz właścicielem sposobu, w jaki dane są reprezentowane, modelowane i wprowadzane do CuspAI, a także odegrasz kluczową rolę w zapewnieniu ich jakości na dużą skalę, aby mogła ona pomóc w odkrywaniu materiałów nowej generacji.

Co zrobisz

Architektura danych i projektowanie schematów

• Projektować modele danych reprezentujące informacje o właściwościach chemicznych, strukturalnych i materiałowych oraz definiować, w jaki sposób różnorodne źródła zewnętrzne przekładają się na spójną, interoperacyjną reprezentację wewnętrzną.

• Ustanów i posiadaj ramy dotyczące jakości danych, walidacji, deduplikacji, pochodzenia i pochodzenia, tak aby każdy pobrany zestaw danych był godny zaufania, identyfikowalny i gotowy do stosowania w systemie ML.

• Wykorzystaj swoją wiedzę z zakresu chemii, fizyki i/lub materiałoznawstwa, aby zmaksymalizować jakość, skalę i spójność danych napływających ze źródeł zewnętrznych.

Pozyskiwanie i wykonywanie potoku danych

• Kieruj pozyskiwaniem danych od partnerów — współpracowników przemysłowych, dostawców instrumentów i symulacji, instytucji badawczych i komercyjnych dostawców danych — budując solidne potoki, które normalizują, harmonizują i uzgadniają dane przybywające w różnych formatach i standardach.

• Wkład w wysiłki zespołu ds. danych mające na celu identyfikację, ocenę i ocenę nowych źródeł danych, partnerstw i możliwości generowania danych, w tym kampanie obliczeniowe (np. DFT, dynamika molekularna) i eksperymentalne.

Współpraca partnerska i interdyscyplinarna

• Współpracuj bezpośrednio z zewnętrznymi dostawcami danych, aby zrozumieć ich dane, uzgodnić formaty i standardy, zdefiniować mapowania schematów oraz rozwiązać u źródła problemy z jakością, pochodzeniem i interoperacyjnością.

• Współpraca partnerska między zespołami badawczymi i inżynieryjnymi w celu przełożenia potrzeb modelowania na wymagania dotyczące przetwarzania i zestawy danych gotowe do obsługi maszyn ML.

• Komunikuj swoją pracę i podnoś świadomość możliwości ulepszenia modeli danych, procesów przetwarzania i ogólnej jakości danych.

Wymagane umiejętności i kwalifikacje:

• Udokumentowane doświadczenie w projektowaniu modeli i schematów danych dla złożonych dziedzin naukowych lub technicznych oraz w tworzeniu na ich podstawie wysokiej jakości zasobów danych.

• Udowodnione doświadczenie w przyjmowaniu, integrowaniu i harmonizowaniu danych z wielu zewnętrznych źródeł lub partnerów, z których każdy ma inny format, schemat i poziom jakości.

• Doktorat z chemii, fizyki, inżynierii materiałowej, chemii obliczeniowej lub dyscypliny pokrewnej lub równoważne doświadczenie w badaniach naukowych.

• Ekspert w dziedzinie reprezentacji danych, ontologii, modelowania danych i zarządzania wysokiej jakości, interoperacyjnymi zasobami danych.

• Doświadczenie w pracy z szerokim zakresem typów danych wykorzystywanych w odkrywaniu materiałów – zwłaszcza danymi eksperymentalnymi i charakteryzacyjnymi (np. parametrami syntezy i warunkami przetwarzania, wzorcami XRD, spektroskopią, izotermami adsorpcji, pomiarami urządzeń) wraz z obliczonymi właściwościami (np. energiami formacji pochodzącymi z DFT, pasmami wzbronionymi) – i mapowaniem ich w źródłach heterogenicznych.

• Dogłębna wiedza na temat materiałów i źródeł danych chemicznych obejmujących domeny eksperymentalne i obliczeniowe (np. ICSD, Cambridge Structural Database, NOMAD, Materials Project) oraz praktycznych wyzwań związanych z harmonizacją danych generowanych w laboratoriach – wyników przyrządów, zapisów ELN/LIMS, konwencji jednostek, pochodzenia – w interoperacyjne zasoby gotowe do uczenia maszynowego.

• Praktyczna znajomość Pythona i SQL z doświadczeniem w budowaniu potoków danych dla danych eksperymentalnych i obliczeniowych, w tym projektowanie schematów/modeli danych (np. Pydantic, JSON Schema) oraz znajomość materiałów i zestawów narzędzi do nauki danych (np. pymatgen, ASE, Pandas/Polars).

• Doświadczenia z pierwszej ręki dotyczące sposobu, w jaki faktycznie powstają dane eksperymentalne – przepływ pracy w laboratorium, dziwactwa instrumentów, niekompletne metadane – i pragmatyczne strategie wiernego modelowania danych zamiast narzucania ich w wyidealizowane schematy.

• Silny komunikator i sprawdzony współpracownik, swobodnie pracujący bezpośrednio z partnerami zewnętrznymi oraz multidyscyplinarnymi zespołami z zakresu chemii/fizyki/materiałów i produktu/inżynierii.

Punkty dodatkowe (ale nie krytyczne):

• Doświadczenie w pracy w przemyśle w firmie zajmującej się materiałami, chemikaliami, energią lub technologią głębokiej lub w ścisłej współpracy z przemysłem w instytucji badawczej lub laboratorium krajowym.…

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