Ingénieur de recherche H/F: conception et implémentation d'algorithmes de flow matching et diffusion pour la génération de protéines

Download job offer in PDF format
The offer description be low is in French

Contract type : Fixed-term contract

Level of qualifications required : Graduate degree or equivalent

Fonction : Temporary scientific engineer

About the research centre or Inria department

Le centre Inria de Lyon est le 9ème centre de recherche Inria. Créé en janvier 2022, il regroupe environ 410 personnes au sein de 20 équipes de recherche et des services supports à la recherche.

Ses équipes sont localisées à Villeurbanne, à Lyon Gerland, Lyon Bron ainsi qu’à Saint-Etienne.

Le centre de Lyon est présent dans les domaines du logiciel, du calcul distribué et haute performance, des systèmes embarqués, du calcul quantique et de respect de la vie privée dans le monde numérique, mais aussi de la santé et de la biologie numériques.

Assignment

## Missions

Au sein de l'équipe Ockham, et en collaboration avec des chercheurs de l'équipe MALICE (Quentin Bertrand, Rémi EMonet) la personne recrutée participera au développement de nouvelles approches de génération de protéines fondées sur les modèles génératifs de dernière génération, en particulier les modèles de diffusion (diffusion models) et les approches de *flow matching*.

L'objectif du projet est d'étudier et d'implémenter des architectures capables de générer des protéines inédites présentant des propriétés structurales et fonctionnelles réalistes. Une attention particulière sera portée aux représentations adaptées aux protéines (séquences, structures tridimensionnelles ou représentations géométriques) ainsi qu'aux contraintes physiques et biologiques propres à ces objets.

Les protéines pouvant être modélisées comme des structures relationnelles complexes, le projet s'appuiera également sur les avancées récentes de la génération de graphes et des modèles génératifs géométriques (*geometric deep learning*). La personne recrutée étudiera les liens entre ces différents cadres méthodologiques afin de concevoir des modèles capables de capturer les dépendances locales et globales présentes dans les macromolécules biologiques.

Les principales missions seront les suivantes :

* réaliser un état de l'art des méthodes récentes de génération de protéines par diffusion, *flow matching* et modèles génératifs sur graphes ;
* développer et implémenter de nouveaux algorithmes de génération de protéines, en s'appuyant sur les bibliothèques modernes d'apprentissage profond ;
* adapter ces méthodes à des représentations géométriques ou basées sur des graphes, et étudier leur capacité à générer des protéines valides, diversifiées et innovantes ;
* concevoir des protocoles expérimentaux reproductibles, comparer les approches proposées aux méthodes de l'état de l'art et contribuer à la diffusion des logiciels développés en open source ;

Le poste offre l'opportunité de travailler à l'interface entre l'apprentissage automatique, les modèles génératifs et le *geometric deep learning*, sur une thématique actuellement en plein essor.

 

Main activities

  • Réaliser un état de l'art des méthodes de génération de protéines par modèles de diffusion, flow matching et modèles génératifs sur graphes.
  • Développer et implémenter de nouveaux algorithmes de génération de protéines exploitant des représentations séquentielles, géométriques ou sous forme de graphes.
  • Concevoir et conduire des campagnes expérimentales afin d'évaluer les performances des méthodes proposées sur des jeux de données de référence.
  • Contribuer au développement de logiciels de recherche reproductibles et à la diffusion des outils développés en open source.
  • Valoriser les résultats scientifiques par la rédaction de publications et la présentation des travaux dans des conférences internationales.

 

Skills

  • Titulaire d'un diplôme de niveau Bac+5, mathématiques appliquées, intelligence artificielle, apprentissage automatique ou domaine connexe.
  • Solides connaissances en apprentissage profond (deep learning) et en apprentissage statistique.
  • Bonne maîtrise de Python et des principaux frameworks d'apprentissage profond (PyTorch, JAX ou équivalent).
  • Connaissances des modèles génératifs (modèles de diffusion, flow matching, modèles probabilistes ou modèles génératifs sur graphes) appréciées.
  • Aptitude à analyser des résultats expérimentaux et à proposer de nouvelles approches.
  • Bon niveau d'anglais scientifique, à l'écrit comme à l'oral.

 

Benefits package

  • Restauration subventionnée
  • Transports publics remboursés partiellement
  • Congés : 7 semaines de congés annuels + 10 jours de RTT (base temps plein) + possibilité d'autorisations d'absence exceptionnelle (ex : enfants malades, déménagement)
  • Possibilité de télétravail (90 jours par an flottants) et aménagement du temps de travail
  • Prestations sociales, culturelles et sportives (Association de gestion des œuvres sociales d'Inria)
  • Accès à la formation professionnelle
  • Mutuelle et prévoyance avec participation employeur

Remuneration

A partir de 2 692 € brut mensuel selon expérience et diplômes.