1. 构建并优化“AI设计—高通量筛选—实验验证—迭代反馈”闭环工作流，整合内外部AI蛋白大模型、结构计算及实验数据，并在内部Benchmark数据集上验证算法有效性与鲁棒性； 2. 主导抗体优化类AI项目，针对亲和力成熟度、可开发性（如溶解度、聚集倾向等）、免疫原性等多维性质开展多目标优化，输出帕累托最优设计方案； 3. 与湿实验团队及计算生物学同事紧密协作，基于实验数据反向迭代优化AI模型策略，提升设计命中率，降低实验轮次与抗体筛选数量； 4. 基于主流生成式模型架构，开展大分子药物（如新型抗体骨架、双特异性抗体）的从头设计（De Novo Design）； 5. 持续追踪AI蛋白结构预测、生成式设计及抗体工程领域前沿进展，推动技术转化落地，并组织内部技术分享与培训。 1. 人工智能、计算生物学、结构生物学、计算机科学、数学或相关专业博士学历； 2. 熟悉主流蛋白大模型（如ESM、AlphaFold系列等）及蛋白性质预测算法，具备AI驱动抗体/蛋白优化项目的实际落地经验； 3. 精通深度学习基础理论及主流模型架构（如Transformer、Diffusion Models、Reinforcement Learning等），能独立部署、应用及调优AI蛋白/抗体相关算法； 4. 熟悉药物研发全流程，具备将实验数据与生物学机制深度关联的能力，拥有跨学科沟通与协作经验； 5. 具备英文科技文献阅读与论文写作能力，逻辑思维严谨，自我驱动力强，善于团队协作。