Архитектор знаний о материалах

О КуспАИ
CuspAI — передовая компания в области искусственного интеллекта, миссия которой заключается в создании революционных материалов, необходимых для содействия человеческому прогрессу. Хотя природе потребовались миллиарды лет, чтобы усовершенствовать молекулы, мы используем ИИ, чтобы открыть прорывные материалы стоимостью в триллионы долларов за месяцы, а не тысячелетия. Наша команда основателей является самой цитируемой в мире и состоит из исследователей мирового уровня в области искусственного интеллекта, химии и инженерии.

Мы работаем над некоторыми из самых сложных и важных задач, включая энергетику, чистую воду, будущее вычислений и улавливание углерода, и это только начало того, что откроет наша «поисковая система» для материалов следующего поколения.

Мы приглашаем вас стать частью разнообразной инновационной команды на стыке искусственного интеллекта и материаловедения, работающей над созданием эффективных партнерских отношений, способствующих инновациям, масштабируемости и отраслевому сотрудничеству. Эта работа имеет значение. Ваша работа имеет значение.

Мы находимся на пороге эры материалов по требованию. Присоединяйтесь к нам.

Роль
В связи с быстрым ростом компании и расширением партнерских отношений с внешними данными мы ищем архитектора знаний о материалах, который присоединится к нашей команде по работе с данными и возглавит разработку наших представлений научных данных, схем и конвейеров приема.

Ваше влияние
Это прекрасная возможность присоединиться к команде данных в CuspAI, которая будет тесно сотрудничать с ведущими мировыми экспертами в области искусственного интеллекта и исследователями в области материаловедения для разработки моделей данных и конвейеров приема, которые превращают разнородные внешние данные в активы данных, пригодные для действий. Большая часть данных, лежащих в основе наших моделей, поступает в разных форматах, схемах и стандартах. В качестве архитектора знаний о материалах вы будете знать, как эти данные представляются, моделируются и переносятся в CuspAI, а также играете важную роль в обеспечении их качества в масштабе, чтобы они могли способствовать открытию материалов следующего поколения.

Что ты будешь делать

Архитектура данных и проектирование схем

• Разработайте модели данных, которые представляют информацию о химических, структурных свойствах и свойствах материалов, и определите, как разнообразные внешние источники сопоставляются с согласованным, совместимым внутренним представлением.

• Создайте и используйте системы обеспечения качества, проверки, дедупликации, происхождения и происхождения данных, чтобы каждый принимаемый набор данных был надежным, отслеживаемым и готовым к машинному обучению.

• Используйте свой опыт в области химии, физики и/или материаловедения, чтобы максимизировать качество, масштаб и согласованность данных, поступающих из внешних источников.

Прием и выполнение конвейера данных

• Руководить получением данных от партнеров — промышленных предприятий, поставщиков приборов и средств моделирования, исследовательских институтов и коммерческих поставщиков данных — создавая надежные конвейеры, которые нормализуют, гармонизируют и согласовывают данные, поступающие в различных форматах и стандартах.

• Вносить вклад в усилия группы данных по выявлению, оценке и анализу новых источников данных, партнерских отношений и возможностей получения данных, включая вычислительные (например, DFT, молекулярная динамика) и экспериментальные кампании.

Партнерское и междисциплинарное сотрудничество

• Напрямую сотрудничайте с внешними поставщиками данных, чтобы понять их данные, согласовать форматы и стандарты, определить сопоставления схем и решить проблемы качества, происхождения и совместимости в источнике.

• Работайте в партнерстве между исследовательскими и инженерными группами, чтобы преобразовать потребности моделирования в требования к приему и наборы данных, готовые к машинному обучению.

• Расскажите о своей работе и повысьте осведомленность о возможностях улучшения моделей данных, процессов приема и общего качества данных.

Должны иметь навыки и квалификацию:

• Подтвержденный опыт разработки моделей и схем данных для сложных научных или технических областей и создания на их основе высококачественных данных.

• Наглядный опыт получения, интеграции и гармонизации данных из нескольких внешних источников или партнеров, каждый из которых имеет разные форматы, схемы и уровни качества.

• Кандидат химических наук, физики, материаловедения, вычислительной химии или смежных дисциплин или эквивалентный опыт научных исследований.

• Эксперт в области представления данных, онтологий, моделирования данных и создания высококачественных, совместимых информационных ресурсов.

• Опыт работы с широким спектром типов данных, используемых при открытии материалов — особенно с экспериментальными данными и данными о характеристиках (например, параметры синтеза и условия обработки, рентгенограммы, спектроскопия, изотермы адсорбции, измерения устройств) наряду с вычисленными свойствами (например, энергии образования, полученные с помощью DFT, запрещенная зона) — и картирование их для гетерогенных источников.

• Глубокие знания материалов и источников химических данных, охватывающих как экспериментальную, так и вычислительную области (например, ICSD, Кембриджскую структурную базу данных, NOMAD, Materials Project), а также практические проблемы гармонизации полученных в лаборатории данных — результатов приборов, записей ELN/LIMS, условных единиц измерения, происхождения — в совместимые активы, готовые к машинному обучению.

• Рабочее знание Python и SQL, а также опыт построения конвейеров данных для экспериментальных и вычислительных данных, включая проектирование схемы/модели данных (например, Pydantic, JSON Schema), а также знание материалов и наборов инструментов для анализа данных (например, pymatgen, ASE, Pandas/Polars).

• Непосредственный опыт получения экспериментальных данных — лабораторные рабочие процессы, особенности инструментов, неполные метаданные — и прагматические стратегии для их точного моделирования, а не принудительного их создания в идеализированных схемах.

• Сильный коммуникатор и проверенный сотрудник, удобный для прямой работы с внешними партнерами, а также с многопрофильными командами в области химии/физики/материалов и продуктов/инжиниринга.

Бонусные баллы (но не критичные):

• Опыт работы в промышленности в компании, занимающейся материалами, химикатами, энергетикой или глубокими технологиями, или в тесном сотрудничестве с промышленностью в исследовательском институте или национальной лаборатории.…

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