。算法与建模:熟悉结构药物设计(SBDD)、分子优化(SBMO)及可合成分子生成相关方法;了解贝叶斯流网络、扩散模型、自回归与离散流等在分子生成与路径精炼中的应用;具备基于 scikit-learn、XGBoost、LightGBM 的建模与特征工程经验。后端开发:熟练使用 Python、FastAPI 设计与实现 RESTful API,进行异步与并发优化;具备 PostgreSQL 建模与 Redis 缓存使用经验。前端与工程:掌握 React、TypeScript、Ant Design、Vite,能开发数据管理与可视化界面;熟悉 Git、Docker、Docker Compose 及 Nginx 配置,具备从开发到部署的完整工程能力
与 NJmat 药物与材料 AI 研发平台 的设计与开发。平台涵盖基于深度学习的结构药物设计(SBDD)、分子优化(SBMO)与可合成化学空间探索:包括 MolCRAFT 系列(贝叶斯流网络、连续参数空间分子生成与优化)及 ReaSyn 迭代式合成路径精炼等模块。负责 NJmatML 商业版 的架构与实现,采用前后端分离:后端使用 FastAPI 提供数据管理、模型训练、单/批量预测及相关性分析、特征选择、PCA 等 API,集成 scikit-learn、XGBoost、LightGBM,配合 PostgreSQL 与 Redis;前端使用 React 18、TypeScript、Ant Design、Vite 与 Recharts 构建管理界面与数据可视化。完成从蛋白质预测、分子生成、分子对接到 ADMET 预测的端到端药物研发演示流程,并编写 Docker Compose 与 Nginx 配置,支持一键部署与生产环境运维。项目支撑了材料/药物科学场景下的机器学习建模与算法落地。