AInB(Artificial Intelligence in Bioscience)는 AI 기술과 바이오사이언스를 융합하여 차세대 항체 의약품을 발굴하는 회사입니다. 인공지능을 활용한 항체 설계로 환자에게 빠르게 제공하는 Just-In-Time 신약개발을 목표로 하고 있으며, AI 모델팀과 실험팀이 긴밀하게 협업하여 항체 discovery 전 과정을 혁신하고 있습니다. 본 포지션은 항체의 물성을 예측하는 머신러닝 모델을 개발하고, 이를 사내 항체 설계·생성 파이프라인에 통합하는 역할을 담당합니다. 서열(sequence)과 구조(structure) 정보를 입력으로 하여 항체 물성 지표를 정량적으로 예측하는 모델을 설계·고도화하고, 실험팀과의 design-build-test-learn(DBTL) 루프를 통해 모델의 실제 발굴 기여도를 높이는 것이 핵심 목표입니다.

• 항체 물성 예측 ML 모델 개발 및 고도화 • 단백질 언어모델, 및 구조 예측 모델 기반 표현 학습, 활용 • 항체 특이적 feature 설계 • multi-task / transfer learning을 통한 다중 물성 동시 예측 및 데이터 효율 개선 • 사내 실험 데이터 및 공개 데이터셋(예: OAS, SAbDab, Thera-SAbDab 등)의 큐레이션·정제 • 데이터 누수(data leakage)를 방지하는 평가 체계 구축 (sequence identity / cluster 기반 splitting, 적절한 cross-validation 전략 수립) • 예측 불확실성 정량화(uncertainty quantification) 및 후보 우선순위화(prioritization) 로직 설계 • 실험팀(wet-lab) 및 항체 설계팀과 협업하여 모델 예측을 검증하고 파이프라인에 반영 • 모델 학습·추론 인프라 구축 및 재현 가능한(reproducible) 실험 관리

• 전산학(CS), 머신러닝, 전산 생물학(computational biology), 생물정보학(bioinformatics), 생물물리학(biophysics), 화학공학 또는 관련 분야 석사 학위 사항 보유 (또는 졸업 예정) • PyTorch 또는 JAX 중 최소 1개 이상에 능통 - 해당 프레임워크로 모델을 직접 설계·학습·디버깅한 실무 경험 필수 • Python 기반 ML 개발 역량 및 deep learning 핵심 개념(최적화, 정규화, 일반화 등)에 대한 깊은 이해 • 생물학적·분자적 또는 정형(structured)·시퀀스 데이터에 대한 모델링 경험 • 정량적 사고 및 실험 설계 능력, 결과를 비판적으로 검증하는 태도 • 영어 기술 문헌 독해 및 협업 커뮤니케이션 가능

• 항체/단백질 도메인 지식 (CDR, VH/VL, framework region, Kabat/IMGT numbering, 항체 구조-기능 관계 등) • protein language model 또는 단백질 구조 예측(AlphaFold2/3, IgFold 등) 활용 경험 • antibody developability 평가 실험 또는 항체 엔지니어링에 대한 이해 • geometric deep learning, graph neural network(GNN), equivariant network 등 구조 기반 모델링 경험 • 단백질 생성 모델(generative model; VAE, diffusion, flow matching 등) 관련 경험 • 관련 분야 top-tier 학회/저널(NeurIPS, ICML, ICLR, MLCB, Bioinformatics, mAbs 등) 논문 게재 실적 • 클라우드 환경(GCP 등)에서의 대규모 학습·추론 경험 • 한국어·영어 bilingual 커뮤니케이션 역량

서류전형 - 1차 면접(PT면접) - 2차 면접(상황에 따라 변경될 수 있음) - 처우협의 - 최종입사 * 서류 제출 시, 포트폴리오를 함께 제출해주시기 바랍니다.

• 복지포인트 제공(연 360만원) • 명절 상여 제공 • 종합건강검진 제공(40대 이상 매년 / 40대 미만 격년 - 60만원 상당) • 식대 및 간식 제공 • 그 외 다양한 복리후생 도입 검토 중