麻省理工学院来招人啦！这所全球顶尖名校，此次招收博士和博后，适合化学、人工智能专业的同学。导师团队研究前沿，还有实用申请 Tips，对 AI 与化学交叉领域感兴趣的宝子，赶紧行动起来申请吧～

麻省理工学院（MIT）坐落在美国马萨诸塞州的剑桥市，堪称全球科技研究领域的璀璨明珠。自 1861 年成立以来，MIT 就凭借卓越的科研和教育质量赢得了世界的广泛尊敬。

不管是在科学、工程、经济还是管理领域，MIT 都有着不容忽视的影响力。它的名气可不只是来自令人艳羡的研究设施和资源，更在于对全球性挑战的积极应对 —— 气候变化、医疗保健、人工智能等热点话题都是 MIT 的关注重点，学校一心想用创新的科技和前沿的研究推动社会进步。

项目 / 导师介绍

Connor W. Coley 是麻省理工学院化学工程系和电气工程与计算机科学系的副教授，他的研究团队超棒，专注于在人工智能（AI）与化学的交叉领域开展研究。

团队致力于开发能够理解分子行为、相互作用和反应的模型，还会利用这些知识设计新的分子，尤其专注于治疗性药物的发现。

Connor W. Coley 的学术经历也很亮眼：在加州理工学院获得化学工程学士学位，在麻省理工学院获得博士学位，之后在布罗德研究所进行博士后研究。他的研究成果获得了超多认可，像美国国家科学基金会（NSF）职业奖（2021 年）、《化学与工程新闻》（C&EN）“十二大才俊”（2018 年）等众多荣誉。

在 MIT 之外，他还是多家致力于人工智能驱动发现的公司的科学顾问，担任《美国化学会中心科学》等期刊的顾问委员会成员，还是《美国化学会志》的副主编。想了解更多，可访问实验室主页：https://coley.mit.edu/positions

博士招生

研究生要直接向麻省理工学院化学工程系、电气工程与计算机科学系（划重点：工程学院院长办公室提供申请费豁免）或化学系申请。

团队的学生也有来自计算科学与工程专业、计算与系统生物学专业以及生物工程系的。招生由各个系或专业分别处理，Connor W. Coley 个人没有权力在没有委员会支持的情况下录取学生。

每年夏天和秋天，他都会收到很多潜在申请者的邮件询问开放职位。一般来说，计划每年招收 1-3 名博士研究生，具体项目会根据共同兴趣和资金情况而定。

博后招聘

目前有一个资助的两年期博士后职位空缺（人工智能驱动的合成与流程优化）：基于 ASKCOS（团队的数据驱动合成规划程序），针对工艺开发和路线选择的独特考量，定制逆合成工具。

这个项目预计会涉及从文献中提取知识、开发用于路径排名的量化评分卡，以及设计模型和启发式方法以估算每个标准。理想的候选人最好具备化学信息学、计算机辅助合成规划和机器学习的经验，并且了解工艺化学。

该项目会与赛诺菲公司密切合作，感兴趣的申请者直接向 ccoley@mit.edu 发送简历，以及简要说明研究兴趣和背景的邮件就行，记得同时提及职业目标，以及希望在团队中具体学习和完成的内容哦。

申请 TIPS

撰写研究计划时，要涵盖这些内容：

• 研究题目：基于人工智能的药物合成路径优化及工艺提升研究

• 研究背景：当下，化学与制药行业正迎来人工智能技术的深度变革。AI 凭借处理大规模数据的能力，结合机器学习、深度学习等算法，能挖掘数据背后的深层关联，为药物合成路径规划和工艺改进提供全新方案。在药物研发领域，AI 的介入不仅能加快合成进度、削减成本，还能突破传统研究模式的局限，发现以往未被关注的潜在规律。

• 研究目标：构建用于合成路径评估的量化评分体系，精准判断不同路径的适用场景；升级模型与启发式策略，打造可对各评价维度进行精准测算的工具；优化药物合成全流程工艺，实现效率与质量的双重提升。

• 研究方法：运用机器学习算法搭建量化评分模型，对合成路径进行系统评级；借助自然语言处理技术，从海量文献中提炼反应条件、产物特性等关键数据；结合药物合成的实际需求，确定反应时长、产物收率、纯净度等核心评价指标。

• 预期成果：在国际顶级期刊发表系列研究成果，展现技术创新性；研发一套完整的人工智能药物合成优化系统，涵盖知识提取、评分体系、模型算法等模块；将技术成果落地到实际生产中，提升合成效率、改善产品质量、降低生产投入。

• 时间安排：第一阶段，收集化学合成领域的文献、专利及数据库资源，通过自然语言处理技术提取关键信息，搭建知识图谱并完成初步知识库建设；第二阶段，筛选适宜的评价指标，构建量化评分模型雏形，利用机器学习进行训练优化，并结合实验数据与专家建议完善模型；第三阶段，研发可测算各标准的专属模型，设计能在复杂合成路径中快速锁定最优解的启发式方法，通过编程实现并完成测试验证；第四阶段，依据评分模型结果选定最优合成路径，结合模型预测调整工艺参数，通过实验验证优化效果并对比分析，根据实际应用反馈持续迭代模型与方法。