H/F Projet doctoral en apprentissage profond pour les sciences du vivant

CNRS; Paris; Sur place; EUR 20 000 - 40 000; Plein temps

Résumé du poste

Un institut de recherche en sciences recherche un doctorant pour un projet en apprentissage profond, visant à développer des modèles génératifs pour la découverte de nouveaux composés chimiques. Le candidat travaillera dans un environnement multidisciplinaire entre biologie et intelligence artificielle. Rémunération à partir de 2200 € mensuel, contrat CDD de 36 mois avec début le 10 novembre 2025.

Prestations

Accès à des infrastructures de calcul de pointe

Encadrement de proximité

Qualifications

• Une expérience en apprentissage profond est essentielle.
• Compétences en modélisation mathématique et en traitement de données souhaitées.
• Connaissances en chimie et biologie sont un plus.

Responsabilités

• Développer des modèles génératifs pour la découverte de nouveaux composés.
• Participer à la définition des objectifs scientifiques et à l'évaluation des protocoles.
• Collaborer avec des partenaires industriels pour la synthèse expérimentale.

Connaissances

Apprentissage profond

Modélisation mathématique

Développement d'approches IA

Traitement de données

Formation

Doctorat en biologie, chimie ou informatique

Description du poste

Informations générales

Intitulé de l'offre : H/F Projet doctoral en apprentissage profond pour les sciences du vivant
Référence : UMR8197-VALHER-190
Nombre de Postes : 1
Lieu de travail : PARIS 05
Date de publication : vendredi 26 septembre 2025
Type de contrat : CDD Doctorant
Durée du contrat : 36 mois
Date de début de la thèse : 10 novembre 2025
Quotité de travail : Complet
Rémunération : La rémunération est d\'un minimum de 2200,00 € mensuel
Section(s) CN : 51 - Modélisation mathématique, informatique et physique pour les sciences du vivant

Date Limite Candidature : vendredi 17 octobre 2025 23:59:00 heure de Paris

Description du sujet de thèse

Modèle génératif profond de molécules actives conditionnées par le phénotype cellulaire. Mission : Le doctorant contribuera au développement d’approches innovantes en intelligence artificielle pour la découverte de nouveaux composés chimiques à visée thérapeutique. Il s’agira d’élaborer un modèle génératif conditionné par des données, avec pour objectif de concevoir des molécules capables de reproduire un état cellulaire souhaité. Le candidat participera à la définition des objectifs scientifiques, à la mise en place des protocoles d’évaluation et à la valorisation des résultats sous forme de publications et de collaborations interdisciplinaires. Activités : Les travaux incluront la conception, l’entraînement et l’évaluation de modèles de diffusion appliqués aux graphes moléculaires, ainsi que le développement de métriques robustes pour caractériser la qualité et la diversité des composés générés. Le candidat manipulera des jeux de données à grande échelle alliant structures chimiques et phenotype cellulaire, et mettra en œuvre des techniques avancées d’apprentissage profond. Des échanges réguliers avec un partenaire industriel permettront d’explorer la synthèse et le test expérimental des candidats identifiés.

Contexte de travail

La thèse s’inscrit dans un environnement de recherche à l’interface de la biologie, de la chimie et de l’intelligence artificielle. Le projet est porté par une équipe pluridisciplinaire spécialisée dans l’analyse d’images cellulaires et la modélisation multimodale, offrant un cadre propice à l’innovation scientifique. Le candidat bénéficiera d’un encadrement de proximité, d’un accès à des infrastructures de calcul de pointe et d’opportunités de collaboration avec des chercheurs académiques et industriels, dans une dynamique orientée vers la découverte de médicaments first-in-class.

Contraintes et risques

travail sur écran