Especialista en Inteligencia Artificial

Buscamos un Especialista en Inteligencia Artificial y Modelado Computacional con perfil informático y experiencia en el desarrollo de modelos orientados al ensamblaje molecular, diseño y predicción estructural de proteínas.

El candidato deberá aplicar IA, aprendizaje profundo y simulaciones computacionales para optimizar la predicción de plegamientos, interacciones y propiedades moleculares, integrando frameworks modernos con bibliotecas científicas y herramientas bioinformáticas.

Formará parte de un equipo interdisciplinario (IA, bioinformática, biología estructural, HPC) enfocado en acelerar el descubrimiento y diseño de nuevas proteínas, enzimas y materiales biológicos mediante IA de última generación.

Responsabilidades

- Diseñar, entrenar y optimizar modelos de IA/ML para predicción de estructuras y dinámicas moleculares (folding, docking, estabilidad, afinidad).
- Implementar pipelines de modelado molecular automatizado, desde la preparación de datos hasta la visualización de resultados.
- Integrar redes neuronales (transformers, graph neural networks, diffusion models) con simulaciones físicas o de dinámica molecular.
- Desarrollar herramientas y APIs internas en Python / C++ / CUDA para acelerar el procesamiento de estructuras 3D.
- Implementar y optimizar arquitecturas inspiradas en modelos como AlphaFold, RoseTTAFold, ESMFold o DiffDock.
- Colaborar con expertos en biología estructural y HPC para escalar experimentos en clústeres o nubes de alto rendimiento.
- Documentar procesos, experimentos y reproducibilidad de modelos.
- Contribuir a la investigación y publicación de resultados técnicos/científicos.

Requisitos obligatorios

- Formación en Ingeniería Informática, Ciencias de la Computación, Matemáticas Aplicadas, IA o afín.
- Experiencia sólida en:
Python científico: PyTorch, TensorFlow, NumPy, SciPy, PyTorch Geometric, DeepChem, RDKit.
Programación de alto rendimiento (C/C++ o CUDA/OpenCL).
Modelos de aprendizaje profundo aplicados a datos estructurales o 3D (GNNs, Transformers, Autoencoders, Diffusion Models).
- Comprensión de conceptos de modelado molecular (átomos, enlaces, coordenadas 3D, energía potencial, docking, PDB).
- Experiencia en el manejo de datasets biológicos (PDB, UniProt, AlphaFold DB).
- Conocimientos sólidos de estructuras de datos, grafos y optimización matemática.
- Dominio de entornos Linux, Git y control de versiones.
- Capacidad de trabajo interdisciplinario y documentación técnica.
- Inglés técnico avanzado (lectura y escritura científica).

Deseables / Plus

- Contribuciones o experiencia práctica con AlphaFold, Rosetta, OpenFold, ESMFold, DiffDock o equivalentes open source.
- Experiencia con simulación molecular (GROMACS, NAMD, AMBER, OpenMM).
- Experiencia con Graph Neural Networks (GNNs), Equivariant Networks (SE(3)-transformers) o Diffusion Models 3D.
- Conocimientos en matemática aplicada a dinámica molecular (integradores, energía libre, optimización).
- Experiencia en entornos HPC (SLURM, CUDA multi-GPU, TensorRT, MPI).
- Publicaciones técnicas o repositorios públicos en GitHub o papers relacionados.
- Participación en proyectos de drug discovery computacional o diseño de proteínas asistido por IA.

Habilidades blandas

- Rigor técnico y mentalidad científica.
- Capacidad de abstracción y resolución de problemas complejos.
- Comunicación interdisciplinaria efectiva (entre informáticos, físicos y biólogos).
- Autonomía, curiosidad y orientación a la innovación.
- Buenas prácticas de documentación y reproducibilidad experimental.