一、學(xué)校簡(jiǎn)介

中國(guó)藥科大學(xué)坐落于古都南京，始建于1936年，是我國(guó)歷史上第一所由國(guó)家創(chuàng)辦的藥學(xué)高等學(xué)府。學(xué)校為教育部直屬、國(guó)家“211工程”和“985工程優(yōu)勢(shì)學(xué)科創(chuàng)新平臺(tái)”建設(shè)高校，2017年成為國(guó)家“雙一流”建設(shè)高校，是一所以藥學(xué)為特色的多科性、研究型大學(xué)，其中以藥學(xué)、中藥學(xué)學(xué)科為龍頭的藥學(xué)學(xué)科群建設(shè)始終保持國(guó)內(nèi)領(lǐng)先水平。

學(xué)校致力于建設(shè)以“大藥學(xué)+X”為牽引、“新藥科”為特征、面向世界一流的現(xiàn)代藥學(xué)學(xué)科體系。現(xiàn)有4個(gè)一級(jí)學(xué)科博士學(xué)位授權(quán)點(diǎn)（藥學(xué)、中藥學(xué)、生物學(xué)、生物醫(yī)學(xué)工程），2個(gè)博士專業(yè)學(xué)位授權(quán)點(diǎn)（生物與醫(yī)藥、藥學(xué)），8個(gè)一級(jí)學(xué)科碩士學(xué)位授權(quán)點(diǎn)，6個(gè)碩士專業(yè)學(xué)位授權(quán)點(diǎn)，2個(gè)博士后流動(dòng)站（藥學(xué)、中藥學(xué)）。

學(xué)校面向國(guó)家重大戰(zhàn)略需求，建有“多靶標(biāo)天然藥物”全國(guó)重點(diǎn)實(shí)驗(yàn)室和省部級(jí)重點(diǎn)實(shí)驗(yàn)室、工程技術(shù)中心以及創(chuàng)新平臺(tái)，實(shí)現(xiàn)了化學(xué)藥、中藥、生物藥三大領(lǐng)域科研平臺(tái)的全覆蓋，為各類新藥的研發(fā)提供全方位服務(wù)。南京天印山醫(yī)院等6所醫(yī)院正式掛牌為我校附屬醫(yī)院，實(shí)現(xiàn)醫(yī)藥深度融合，打破了藥物早期研發(fā)和臨床研究間的轉(zhuǎn)化壁壘。學(xué)校與地方政府、知名醫(yī)藥企業(yè)建有多種形式的合作平臺(tái)，新藥研發(fā)轉(zhuǎn)化優(yōu)勢(shì)明顯。

二、人工智能藥學(xué)交叉學(xué)科建設(shè)與發(fā)展愿景

人工智能與藥學(xué)交叉融合是推動(dòng)生物醫(yī)藥產(chǎn)業(yè)變革性發(fā)展的重要引擎。傳統(tǒng)藥學(xué)領(lǐng)域長(zhǎng)期受限于研發(fā)周期冗長(zhǎng)、試錯(cuò)成本高昂與臨床轉(zhuǎn)化效率不足等系統(tǒng)性挑戰(zhàn)，而人工智能技術(shù)則需要克服生物醫(yī)學(xué)數(shù)據(jù)離散化、知識(shí)體系復(fù)雜性等深層壁壘。而人工智能與藥學(xué)的交叉融合將突破三大維度限制：在認(rèn)知層面打通微觀分子機(jī)制與宏觀表型關(guān)聯(lián)的知識(shí)斷層，利用AI挖掘超萬(wàn)億級(jí)生物醫(yī)學(xué)實(shí)體間的潛在關(guān)聯(lián)；在實(shí)踐層面重構(gòu)藥物研發(fā)范式，通過(guò)生成式AI實(shí)現(xiàn)跨尺度分子設(shè)計(jì)、微納機(jī)器人控制、智能化制劑工程與虛擬臨床試驗(yàn)的有機(jī)聯(lián)動(dòng)；在價(jià)值層面建立動(dòng)態(tài)演進(jìn)的研發(fā)閉環(huán)，使實(shí)時(shí)更新的安全評(píng)價(jià)數(shù)據(jù)與真實(shí)世界臨床反饋驅(qū)動(dòng)知識(shí)體系迭代升級(jí)。

人工智能與藥學(xué)交叉融合是重塑傳統(tǒng)新藥研發(fā)路徑和范式的重要驅(qū)動(dòng)力。首先，人工智能與藥學(xué)的交叉融合有助于形成智慧化靶點(diǎn)發(fā)現(xiàn)系統(tǒng)，通過(guò)跨物種基因調(diào)控網(wǎng)絡(luò)與疾病表型圖譜的智能匹配，開辟精準(zhǔn)藥物設(shè)計(jì)新路徑。其次，人工智能與藥學(xué)交叉融合有利于構(gòu)建自適應(yīng)藥物研發(fā)平臺(tái)，實(shí)現(xiàn)分子合成路徑預(yù)測(cè)、晶型穩(wěn)定性分析與制劑工藝優(yōu)化的全流程智能化。再者，人工智能與藥學(xué)的交叉融合有益于打造人機(jī)協(xié)同的診療決策中樞，整合基因組特征、病理影像與用藥歷史等多模態(tài)數(shù)據(jù)，動(dòng)態(tài)生成個(gè)體化治療方案。

人工智能與藥學(xué)交叉融合是中國(guó)藥科大學(xué)“立足當(dāng)下、面向未來(lái)”提出的重大戰(zhàn)略布局。中國(guó)藥科大學(xué)規(guī)劃搭建生物醫(yī)藥全息數(shù)據(jù)庫(kù)，通過(guò)整合生命科學(xué)多維組學(xué)數(shù)據(jù)、臨床診療動(dòng)態(tài)信息及產(chǎn)業(yè)轉(zhuǎn)化全周期記錄，形成覆蓋生命科學(xué)-靶點(diǎn)識(shí)別-分子設(shè)計(jì)-制劑優(yōu)化-安全評(píng)價(jià)-臨床決策的全鏈條知識(shí)底座，通過(guò)人工智能賦能，突破復(fù)雜生物網(wǎng)絡(luò)解析、藥物智能生成、多尺度藥效預(yù)測(cè)等前沿領(lǐng)域，逐步構(gòu)建具有自主進(jìn)化能力的藥學(xué)知識(shí)體系。

展望未來(lái)，人工智能與藥學(xué)的深度融合將重塑生物醫(yī)藥創(chuàng)新生態(tài)。全息數(shù)據(jù)庫(kù)持續(xù)匯聚的全球生物醫(yī)學(xué)智慧，將推動(dòng)藥物研發(fā)從單點(diǎn)突破向系統(tǒng)化創(chuàng)新躍遷，催生具有自主知識(shí)產(chǎn)權(quán)的原創(chuàng)靶點(diǎn)發(fā)現(xiàn)框架與智能制藥算法體系。這種交叉學(xué)科范式不僅將加速孕育突破性治療手段，更將推動(dòng)醫(yī)學(xué)研究從經(jīng)驗(yàn)驅(qū)動(dòng)向數(shù)據(jù)驅(qū)動(dòng)轉(zhuǎn)型，最終形成生物醫(yī)藥創(chuàng)新能力的代際跨越，為人類健康事業(yè)提供可持續(xù)的智慧化解決方案。

更重要的是，人工智能與藥學(xué)的交叉融合還將推動(dòng)醫(yī)藥創(chuàng)新范式向“精準(zhǔn)化”與“本土化”躍遷。通過(guò)AI技術(shù)解碼中華民族生命密碼與疾病演化規(guī)律，醫(yī)藥研發(fā)將逐步擺脫對(duì)西方人群生物標(biāo)志物的路徑依賴，形成“從中國(guó)人群中來(lái)，到中國(guó)患者中去”的閉環(huán)創(chuàng)新生態(tài)，為精準(zhǔn)“研發(fā)生產(chǎn)更多適合中國(guó)人生命基因傳承和身體素質(zhì)特點(diǎn)的‘中國(guó)藥’”奠定科學(xué)基礎(chǔ)！

三、人工智能藥學(xué)人才需求

（一）硬件開發(fā)類

1.高性能計(jì)算工程師

工作職責(zé)：設(shè)計(jì)與優(yōu)化面向生物醫(yī)藥領(lǐng)域的專用高性能計(jì)算（HPC）集群，支撐分子動(dòng)力學(xué)模擬、基因組學(xué)數(shù)據(jù)分析及虛擬藥物篩選；開發(fā)異構(gòu)計(jì)算資源調(diào)度系統(tǒng)，集成GPU/FPGA加速技術(shù)；構(gòu)建高通量生物醫(yī)學(xué)數(shù)據(jù)處理硬件架構(gòu)，支持多模態(tài)組學(xué)數(shù)據(jù)實(shí)時(shí)解析與大規(guī)模生物網(wǎng)絡(luò)建模。

基本要求：計(jì)算機(jī)體系結(jié)構(gòu)、計(jì)算化學(xué)、生物信息學(xué)等相關(guān)專業(yè)；熟悉生物醫(yī)藥計(jì)算場(chǎng)景的硬件需求，具備跨學(xué)科系統(tǒng)優(yōu)化設(shè)計(jì)能力；精通CUDA/OpenCL并行編程，掌握Slurm/Kubernetes等資源調(diào)度工具，熟悉分子模擬軟件（如GROMACS/NAMD）與藥物設(shè)計(jì)平臺(tái)（如Schrödinger）。

2.智能裝備與傳感技術(shù)開發(fā)研究員

工作職責(zé)：研發(fā)智能微納機(jī)器人、生物傳感設(shè)備等，集成微流控芯片、光學(xué)/電化學(xué)傳感器模塊；開發(fā)AI驅(qū)動(dòng)的自動(dòng)化實(shí)驗(yàn)裝備（如智能藥物合成工作站、制劑穩(wěn)定性測(cè)試平臺(tái)），支持實(shí)驗(yàn)流程標(biāo)準(zhǔn)化與數(shù)據(jù)閉環(huán)反饋；設(shè)計(jì)跨尺度器官芯片和智能傳感網(wǎng)絡(luò)，打通從分子水平到器官水平的實(shí)時(shí)藥效評(píng)價(jià)硬件體系。

基本要求：生物醫(yī)學(xué)工程、集成電路、自動(dòng)化控制、制藥工程等相關(guān)專業(yè)；深刻理解生物醫(yī)藥實(shí)驗(yàn)場(chǎng)景的技術(shù)痛點(diǎn)，具備硬件-算法協(xié)同設(shè)計(jì)思維；掌握MEMS傳感器開發(fā)、嵌入式系統(tǒng)設(shè)計(jì)（ARM/RTOS）、LabVIEW編程，熟悉ROS機(jī)器人操作系統(tǒng)與工業(yè)物聯(lián)網(wǎng)（IIoT）協(xié)議。

（二）軟件開發(fā)類

3、AI制藥算法研究員

工作職責(zé)：開發(fā)靶點(diǎn)預(yù)測(cè)、分子生成與藥效評(píng)估的深度學(xué)習(xí)模型，優(yōu)化生成式AI的藥物設(shè)計(jì)能力；構(gòu)建多模態(tài)數(shù)據(jù)融合算法，打通基因-蛋白-代謝等多層次生物網(wǎng)絡(luò)關(guān)聯(lián)。

基本要求：計(jì)算機(jī)科學(xué)、計(jì)算化學(xué)、生物信息學(xué)、藥學(xué)、生物學(xué)、臨床醫(yī)學(xué)等相關(guān)專業(yè)；深刻理解藥物研發(fā)關(guān)鍵環(huán)節(jié)，熟悉生物醫(yī)學(xué)數(shù)據(jù)特征；熟練使用PyTorch/TensorFlow框架，掌握?qǐng)D神經(jīng)網(wǎng)絡(luò)、強(qiáng)化學(xué)習(xí)等技術(shù)。

4、生物醫(yī)藥數(shù)據(jù)架構(gòu)研究員

工作職責(zé)：設(shè)計(jì)生物醫(yī)藥全息數(shù)據(jù)庫(kù)架構(gòu)，實(shí)現(xiàn)“生命科學(xué)-臨床-產(chǎn)業(yè)”數(shù)據(jù)的標(biāo)準(zhǔn)化整合；開發(fā)知識(shí)圖譜構(gòu)建與動(dòng)態(tài)更新系統(tǒng)，支持跨學(xué)科知識(shí)的自動(dòng)化推理與挖掘；開發(fā)藥物分子動(dòng)態(tài)模擬云平臺(tái)。

基本要求：計(jì)算生物學(xué)、數(shù)據(jù)庫(kù)技術(shù)、知識(shí)工程等相關(guān)專業(yè)；熟悉生物醫(yī)學(xué)數(shù)據(jù)倫理與隱私保護(hù)規(guī)范，具備復(fù)雜系統(tǒng)架構(gòu)設(shè)計(jì)能力；精通Neo4j/GraphDB等圖數(shù)據(jù)庫(kù)技術(shù)，熟悉Ontology建模方法以及AWS、GCP等藥物云服務(wù)架構(gòu)，掌握分布式計(jì)算框架（如Spark/Hadoop）以及Schrödinger、Amber等二次開發(fā)。

（三）綜合應(yīng)用類

5、智慧藥物研發(fā)研究員

工作職責(zé)：整合AI算法與實(shí)驗(yàn)驗(yàn)證流程，構(gòu)建“計(jì)算-實(shí)驗(yàn)-臨床”三位一體的研發(fā)平臺(tái)；開發(fā)個(gè)性化用藥決策支持系統(tǒng)，實(shí)現(xiàn)基因組數(shù)據(jù)與臨床表型的智能關(guān)聯(lián)分析。

基本要求：藥學(xué)與計(jì)算機(jī)科學(xué)交叉學(xué)科、系統(tǒng)科學(xué)與工程等相關(guān)專業(yè)；具備全鏈條藥物研發(fā)視角，熟悉AI技術(shù)落地轉(zhuǎn)化的關(guān)鍵瓶頸；：掌握藥物研發(fā)管理軟件（如KNIME/Spotfire），熟悉自動(dòng)化實(shí)驗(yàn)平臺(tái)（LIMS系統(tǒng)），具備跨平臺(tái)系統(tǒng)集成經(jīng)驗(yàn)。

6、臨床轉(zhuǎn)化研究員

工作職責(zé)：基于真實(shí)世界數(shù)據(jù)（RWD）構(gòu)建臨床療效預(yù)測(cè)模型；設(shè)計(jì)AI輔助的臨床試驗(yàn)方案，優(yōu)化受試者招募與療效評(píng)估流程。

基本要求：臨床醫(yī)學(xué)與數(shù)據(jù)科學(xué)交叉學(xué)科、轉(zhuǎn)化醫(yī)學(xué)等相關(guān)專業(yè)；熟悉中國(guó)人群疾病譜系與藥物應(yīng)答特征，具備醫(yī)學(xué)研究倫理審查能力；技術(shù)技能：掌握臨床數(shù)據(jù)標(biāo)準(zhǔn)化處理（CDISC標(biāo)準(zhǔn)），熟練使用SAS/R語(yǔ)言，熟悉AI可解釋性分析工具（如SHAP/LIME）。

四、招聘崗位

1.興藥杰出科學(xué)家

引進(jìn)條件：在海外知名高校、科研機(jī)構(gòu)或企業(yè)取得副教授（或同等職稱）及以上職稱，能承擔(dān)國(guó)家重大科研項(xiàng)目或取得重要科技轉(zhuǎn)化成果；發(fā)表系列高影響力論文，能夠引領(lǐng)學(xué)科發(fā)展方向，具有業(yè)內(nèi)公認(rèn)的學(xué)術(shù)地位和學(xué)術(shù)聲譽(yù)；年齡一般在50歲以下，特別優(yōu)秀者以團(tuán)隊(duì)方式引進(jìn)，年齡可適當(dāng)放寬。

2.興藥領(lǐng)軍學(xué)者

引進(jìn)條件：一般應(yīng)在海外知名高校、科研院所取得助理教授崗位或特別優(yōu)秀的博士后研究人員；年齡一般不超過(guò)40周歲；具備承擔(dān)國(guó)家級(jí)重大科研項(xiàng)目的潛力，在藥學(xué)及相關(guān)學(xué)科的重大基礎(chǔ)研究和關(guān)鍵核心技術(shù)研究方面取得有影響力的標(biāo)志性成果。

3.興藥青創(chuàng)學(xué)者

引進(jìn)條件：年齡男不超過(guò)35周歲，女不超過(guò)38周歲；一般應(yīng)在國(guó)內(nèi)外知名高校取得博士學(xué)位；具備承擔(dān)國(guó)家級(jí)科研項(xiàng)目的能力，在藥學(xué)及相關(guān)學(xué)科的基礎(chǔ)研究和核心技術(shù)研究方面取得有影響力的標(biāo)志性成果。

4.講師

引進(jìn)條件：年齡不超過(guò)35周歲，國(guó)內(nèi)外高水平大學(xué)博士畢業(yè)生或博士后，在相關(guān)學(xué)術(shù)領(lǐng)域取得一定科研成果，展現(xiàn)出良好的學(xué)術(shù)研究能力和潛力。

5.博士后

引進(jìn)條件：年齡在35周歲以下，博士畢業(yè)3年以內(nèi)，近五年以第一作者在高水平期刊發(fā)表1篇研究性論文。

五、聯(lián)系郵箱

可將個(gè)人簡(jiǎn)歷發(fā)送到xlm@cpu.edu.cn、qianhai24@cpu.edu.cn。