24小时热门版块排行榜

返回列表

iBioDesign

新虫 (初入文坛)

应助: 0 (幼儿园)
金币: 243
帖子: 39
在线: 1.3小时
虫号: 26345669
注册: 2021-05-06
专业: 计算机科学

[交流] 【深圳先进院乔宇团队】生物智能设计方向

我们准备干什么？

“拜登五问”之三——如何保证美国在“从人工智能到合成生物”等高新技术领域的领先地位——足见“人工智能”与“合成生物”这两个领域的科技战略地位。

那么人工智能是什么呢？比如AlphaGo、GPT-3；
合成生物又是什么呢？基因测序、基因编辑CRISPR、“人工酵母”生产青蒿素等。

最近AlphaFold-2已经震惊整个生物学界，展示了人工智能技术的巨大潜力。
我们身处这两个领域交叉地带，正开拓生物智能设计这一新方向，以期实现生物大分子序列的优化设计，提高其生物性能。

为什么是我们？

1. 我们拥有强大的人工智能团队，能给生物序列设计和自动化实验设计提供算法支撑；
2. 我们拥有国际化的合成生物团队，能给算法提供高质量的数据；
3. 我们拥有全世界最大的合成生物自动化实验平台，能给算法提供高通量的数据。

你凭什么可以？

1. 有兴趣从事生物智能设计领域的研究，具有接受挑战的勇气和克服困难的信心；
2. 具有自我驱动的特质、良好的沟通能力与团队协作精神；
3. 生物信息学、信息技术大类、数学、物理及计算类相关方向的高年级本科生或研究生；
4. 有扎实的数学基础（特别是统计、优化及数值方法）及过硬的编程能力（非常重要）；
5. 可保证1年或以上实习期；
6. 优先条件：
a. 有深度学习、强化学习、自然语言处理、计算机视觉等相关学习或科研经历；
b. 熟悉pytorch或tensorflow深度学习框架。

我们正在干些什么？

1. 非氧依赖荧光蛋白序列活性预测。采用cnn、rnn、transformer等模型，结合大规模预训练和进化信息实现小样本预测。
2. 数据驱动的生物序列优化。采用进化算法、贝叶斯优化、强化学习等方法。
3. 强化学习算法研究。研究适配合成生物高通量实验设施的强化学习算法。

我们提供些什么？

1. 每月2100-3600元的生活补助以及带薪休假的寒假；
2. 免费宿舍（有独立卫浴及空调），28元/工作日的餐费补贴, 院内有5个食堂；
3. 先进院统一购买保险，并报销一次性来院报到交通费和体检费用；
4. 指导老师一对一直接指导，还能与国内外不同高校的小伙伴组团共同学习；
5. 人均8块卡的有力计算资源支持；
6. 表现优秀者不仅可以申请奖金丰厚的成果奖励，更可以获推荐申请院内正式职位。

工作地可选

1. 深圳
2. 上海
3. 远程

你可以行动了！

有意申请者请将个人简历以邮件方式发送至ry.hu@siat.ac.cn，邮件标题注明“生物智能设计-学校名称-专业-姓名”，并将个人简历以附件（pdf格式）随邮件发送，简历命名方式请与邮件标题保持一致。
ps：个人简历须包含但不限于教育背景、所修课程、科研或项目经历（如有）、个人自述（说明个人规划、个人特质）

额外参考
PI介绍：
乔宇博士，中国科学院深圳先进技术研究院研究员，博士生导师，数字所所长。乔宇研究员课题组长期关注深度学习等人工智能方法的基础研究与应用开发，用于计算机视觉、生物医学信息、生物智能设计等领域的研究。共发表学术论文210余篇，在jcr-q1和ccf-a类期刊会议发表论文90余篇，被引用超过17000次，h-index为54；在chalearn、lsun、activitynet等重要国际竞赛中12次获第一名；多项技术成功转移到企业，并应用广泛。
多媒体技术研究中心致力于深度学习与计算机视觉等领域的创新性基础研究与应用开发，拥有完善的深度学习研发软、硬件平台，拥有超过400片高性能gpu卡。中心团队在pami、tip、ijcv、cvpr、iccv、eccv、aaai等重要国际会议和期刊上发表学术论文300余篇，论文谷歌学术累计被引近3万次。曾获aaai 2021杰出论文奖、在imagenet、activitynet等重要视觉国际竞赛10余次取得第一。其中实习学生为不少论文的第一作者。
近期部分成果：https://mmlab.siat.ac.cn/yuqiao/publication
中心科研团队：https://mmlab.siat.ac.cn/team

合作PI介绍：
司同博士，中国科学院深圳先进技术研究院合成生物学研究所研究员，博士生导师。课题组主要方向为自动化合成生物技术，基于高通量实验和数据驱动方法开展蛋白质和代谢工程研究，用于燃料、药物、精细化工品等重要分子的研究与生产。在nat commun、jacs等国际著名期刊发表论文和论著30余篇，“谷歌学术”引用超过1600次。
合作PI实验室主页：https://isynbio.siat.ac.cn/sitonglab/

合成生物及人工智能应用介绍见相关链接：
1. 合成生物研究路线图：https://roadmap.ebrc.org/
2. 合成生物核心目标：https://www.ibiology.org/bioengineering/engineering-microbes/
3. 蛋白质结构预测模型AlphaFold-2：https://deepmind.com/blog/articl ... hallenge-in-biology
4. 机器学习在蛋白质工程中的应用：https://www.nature.com/articles/s41592-019-0496-6

回复此楼