崗位職責(zé)：
1. AI建模與數(shù)據(jù)分析：負(fù)責(zé)多肽和小核酸藥物工藝開發(fā)及CMC（工藝與質(zhì)量研究）生產(chǎn)相關(guān)數(shù)據(jù)的清洗、探索性分析、特征工程與可視化，構(gòu)建AI模型以支持工藝優(yōu)化與決策。
2. 合成路線預(yù)測(cè)與優(yōu)化：利用人工智能技術(shù)預(yù)測(cè)并優(yōu)化多肽和小核酸原料藥合成路線，提升合成效率與成本可控性。
3. 小樣本高維數(shù)據(jù)建模：針對(duì)小樣本、高維數(shù)據(jù)場(chǎng)景，開發(fā)并優(yōu)化統(tǒng)計(jì)及機(jī)器學(xué)習(xí)模型，應(yīng)用于合成路線篩選、批次一致性分析、異常檢測(cè)等關(guān)鍵業(yè)務(wù)。
4. 工藝參數(shù)智能優(yōu)化：設(shè)計(jì)并實(shí)現(xiàn)基于AI的工藝參數(shù)優(yōu)化模型，顯著提升反應(yīng)收率及產(chǎn)物純度。
5. 前沿技術(shù)跟蹤與轉(zhuǎn)化：持續(xù)追蹤AI在藥物合成領(lǐng)域的前沿動(dòng)態(tài)（如自動(dòng)化實(shí)驗(yàn)平臺(tái)、高通量篩選等），推動(dòng)創(chuàng)新技術(shù)在內(nèi)部研發(fā)與生產(chǎn)中的轉(zhuǎn)化落地。
6. 數(shù)據(jù)驅(qū)動(dòng)的生產(chǎn)效率評(píng)估：構(gòu)建生產(chǎn)效率評(píng)估體系，基于數(shù)據(jù)分析推動(dòng)連續(xù)化生產(chǎn)等先進(jìn)制造模式的應(yīng)用與優(yōu)化。