化学信息标注实习生 - 分子库项目

职位描述

1. 负责化学专利解析数据的深度清洗与质量校验，通过Bad Case分析与规则优化分子识别准确率；

2. 构建“金标”分子数据集，针对专利中的复杂化学结构（如马库什结构、手性异构体、盐型等）进行精确标注与校验，为模型训练提供高置信度基准；

3. 设计并验证化学后处理规则，将化学专家知识转化为可执行的算法逻辑，修正OCR错误、骨架识别偏移及立体化学翻转问题；

4. 参与化学数据质量体系建设，制定分子结构标准化、去盐及价态平衡校验的SOP流程；

5. 与算法团队紧密协作，对模型解析的中间产物进行归因分析，从数据侧驱动Parser模型的迭代升级。

任职要求

1. 熟练使用 ChemDraw / MarvinSketch / RDKit / OpenBabel 等化学绘图与信息学工具；

2. 精通 Python，具备使用脚本进行化学数据批量处理、格式转换或自动化校验的能力；

3. 深刻理解有机化学命名法（IUPAC），精通 SMILES / InChI / InChIKey / Mol Block / SDF 等分子结构表示形式及其转换逻辑；

4. 有化学信息学、计算化学、药物化学或有机化学相关专业硕博背景，对立体化学（R/S构型、E/Z异构）有极高的敏感度；

5. 有“像素级”的数据纠错能力，能够快速识别并修正复杂的化学结构绘制错误（如价态异常、芳香性缺失等）；

6. 需线下实习，每周到岗5天，可以实习三个月及以上。

加分项：

1. 理解马库什（Markush）通式结构的解析逻辑与枚举规则；

2. 有论文和专利数据挖掘或构建高精度化学反应/分子数据库的项目经验；

3. 熟悉 OCSR（光学化学结构识别） 技术原理，或使用过 MolVec / DECIMER / ChemGrapher 等工具。