我于2018年11月开始在欧洲杯微信买球Astrazeneca,因为我想通过发现新药来帮助治愈疾病。在我的角色中,我申请机器学习和神经网络技术来加速和增强药物发现过程。
在我加入我作为各种制药公司的顾问之前,几年后,与两项邮局项目相交。在我的最后几年作为顾问,我还对如何申请新的神经网络架构进行生成建模和深度学习定量结构 - 活动关系(QSAR)模型的研究。
在Astraz欧洲杯微信买球eneca发现科学中,我有机会继续我的科学研究使用深入学习和神经网络进行药物发现。我的重点是推动使用AI和机器学习在药物发现中使用的科学和方法的发展。
在这里可以从项目获得立即反馈,并查看方法提供值。我认识了算法如何在现实生活中表现如何,这导致了进一步的研究和改进的新和相关的想法。
欧洲杯微信买球Astazeneca在数据科学和AI方面是一个很好的工作场所,因为我们不仅仅是谈论它,我们正在使用它并开发尖端方法,希望最终改善患者的生活。
奖
2003年:H.C.Ørsted铜牌杰出研究
现在的角色
主要科学家,化学信息学,发现科学,研发
2010-2018
首席执行官,分子机械学习和数据科学顾问,通配符制药咨询
2008年
博士,计算化学
特色出版物
微笑枚举作为分子神经网络建模的数据增强。
Bjerrum,EJ。ARXIV预印亚克日期:1703.07076(2017)。
用复发性神经网络(RNN)的分子产生。
Bjerrum,EJ和Threfall R.ARXIV预印刷arxiv:1705.04612(2017)。
基于卷积神经网络(CNN)的深层化学计量学的数据增强。
Bjerrum EJ,Glahder M和Skov T.ARXIV预印迹ARXIV:1710.01927(2017)。
De Novo分子设计通过与生成的地形映射结合深度自动化器经常性神经网络。
Sattarov B等人。化学信息与建模(2019)。
用异质阳极改善化学自动化器潜空间和分子De Novo发电分集。
Bjerrum,E和Sattarov B.生物重组8.4(2018):131。