Adiunkt stanowisko badawcze

Centrum Wiarygodnej Sztucznej Inteligencji
Politechnika Warszawska
  • Miejsce: Warszawa
  • Forma zatrudnienia: umowa o pracę, pełny etat
  • Dziedzina nauk inżynieryjno-technicznych
  • informatyka techniczna i telekomunikacja

Opis stanowiska

Osoba zatrudniona na tym stanowisku będzie prowadzić grupę badawczą w obszarze weryfikacji, testowania i eksploracji modeli sztucznej inteligencji ze szczególnym uwzględnieniem zastosowań w biologii strukturalnej i bioinformatyce. Prace będą koncentrować się na opracowywaniu metod umożliwiających interpretację i kontrolę modeli AI analizujących złożone dane genomowe i epigenomowe oraz dane z symulacji molekularnych.
Od kandydatki/kandydata oczekuje się samodzielności, inicjatywy w rozwiązywaniu problemów badawczych, zaangażowania w realizację zadań projektowych, aktywnego udziału w seminariach i konferencjach naukowych oraz gotowości do przygotowania publikacji i wniosków grantowych dla młodych badaczy.
Lider Zespołu Badawczego – należy przez to rozumieć naukowca pełniącego obowiązki lidera grupy badawczej w Jednostce realizującej MAB odpowiedzialnego za prace merytoryczne danego zespołu.

Nasze wymagania

  • posiadanie stopnia naukowego doktora (lub równoważne doświadczenie badawcze) w dziedzinie w dziedzinie matematyki, informatyki, nauk przyrodniczych lub pokrewnej;
  • dorobek publikacyjny w określonej dziedzinie lub dziedzinach;
  • umiejętność samodzielnego prowadzenia badań;
  • od kandydatki/kandydata oczekuje się inicjatywy w rozwiązywaniu problemów badawczych, zaangażowania w realizację zadań projektowych, aktywnego udziału w seminariach i konferencjach naukowych oraz gotowości do przygotowania publikacji i wniosków grantowych dla młodych badaczy;
  • bardzo dobra znajomość języka angielskiego.

Zakres obowiązków

  • prowadzenie grupy badawczej zgodnie z wnioskiem i agendą badawczą MAB
  • analiza danych genomowych i epigenomowych (iBLESS, ChIA-PET, ChIA-Drop, Hi-C, HiChIP, ATAC-seq, ChIP-seq, RNA-seq);
  • modelowanie struktur trójwymiarowych na podstawie danych ChIA-PET, Hi-C i pokrewnych;
  • opracowywanie i walidacja modeli AI do predykcji oddziaływań molekularnych, z wykorzystaniem technik dokowania (GLIDE, AutoDock, RxDock, DOCK 6, LeDock, GOLD) i symulacji dynamiki molekularnej (OpenMM i inne);
  • rozwijanie i stosowanie metod explainable AI do wyjaśniania mechanizmów interakcji biomolekularnych;
  • integracja wyników AI z wiedzą biofizyczną i statystyczna analiza hipotez wynikających z symulacji;
  • opracowywanie eksperymentów benchmarkingowych oraz udział w interpretacji i publikacji wyników.

Dokumenty wymagane do rekrutacji

  • Dokumenty według załącznika

Załączniki