Ingénieur de Recherche Conception et Implémentation d'Algorithmes de Flow Matching et Diffusion pour la Génération de Protéines H/F - INRIA

A propos d'Inria Inria est l'institut national de recherche dédié aux sciences et technologies du numérique. Il emploie 2600 personnes. Ses 215 équipes-projets agiles, en général communes avec des partenaires académiques, impliquent plus de 3900 scientifiques pour relever les défis du numérique, souvent à l'interface d'autres disciplines. L'institut fait appel à de nombreux talents dans plus d'une quarantaine de métiers différents. 900 personnels d'appui à la recherche et à l'innovation contribuent à faire émerger et grandir des projets scientifiques ou entrepreneuriaux qui impactent le monde. Inria travaille avec de nombreuses entreprises et a accompagné la création de plus de 200 start-up. L'institut s'eorce ainsi de répondre aux enjeux de la transformation numérique de la science, de la société et de l'économie.
Ingénieur de recherche H/F: conception et implémentation d'algorithmes de flow matching et diffusion pour la génération de protéines Type de contrat : CDD Niveau de diplôme exigé : Bac +5 ou équivalent Fonction : Ingénieur scientifique contractuel A propos du centre ou de la direction fonctionnelleLe 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 Bronainsi 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.Mission confiée## MissionsAu 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.Principales activitésRéaliser 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.CompétencesTitulaire 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.AvantagesRestauration subventionnéeTransports publics remboursés partiellementCongés : 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 travailPrestations sociales, culturelles et sportives (Association de gestion des oeuvres sociales d'Inria)Accès à la formation professionnelleMutuelle et prévoyance avec participation employeurRémunérationA partir de 2 692 € brut mensuel selon expérience et diplômes.

• Statistiques
• Python
• Anglais
• Intelligence artificielle
• Machine learning
• Systèmes embarqués