Drug Discovery Researcher / リサーチャー(創薬)

Preferred Networks（PFN）のDrug Discovery領域を担うリサーチャーを募集します。

創薬分野における計算科学の発展はめざましく、創薬標的となる生体内高分子の同定からその構造・機能の予測、あるいは医薬品候補分子の設計・探索・最適化（薬理活性・毒性・動態予測）などの分野において応用が進んでいます。

PFNのDrug Discoveryチームでは、結合自由エネルギー計算サービスP-FEPをはじめとする最先端技術と創薬分野におけるドメイン知識を高度に融合したサービスを製薬企業に提供しています。現在はこれらの実績ある技術基盤をさらに拡張し、創薬プロセスのより広範な工程を一貫してカバーする包括的な創薬プラットフォームの構築を目指しています。

当チームでは、創薬現場の課題を解決しうる新規技術開発を担うメンバーを募集しています。PFNが掲げるミッション・バリューhttps://tech.preferred.jp/ja/blog/2025-mission-values/ に共感し、最先端の理論を自らの手で実装し「現実世界を計算可能にする」卓越した技術力と、自らコトをおこす（Be Proactive）情熱を兼ね備えたプロフェッショナルを求めています。

チームミッション

• 最先端の計算科学を活用し、革新的医薬品の創出を支援することで、人々の健康に貢献する

業務内容

• 創薬分野における新規技術の研究開発および製品化
  ソフトウェアの単なる利用にとどまらない、革新的なアルゴリズムの設計と実装を担当していただきます応募資格（必須）に記載の分野を中心に、様々な分野を担当していただきます
• 他機関（製薬企業・アカデミア等）との共同研究
• 最新の研究論文の調査、およびアルゴリズムの習得・実装
• 社内他チームとの連携

参考

• これまでにPFNが行った研究開発の一部
  Drug Discovery HP: https://projects.preferred.jp/drug-discovery/ （内容古め）技術ブログ: https://tech.preferred.jp/ja/tag/drug-discovery/
• 関連キーワード
  Neural Network PotentialMachine Learning Interatomic PotentialProtein Folding, Structure-aware predictionADMET予測AI分子生成計算化学・分子シミュレーション分子ドッキング分子動力学法（拡張サンプリングMD、Free Energy Perturbationなど）Structure Based Drug Design (SBDD)Ligand Based Drug Design (LBDD)ケモインフォマティクス

We are hiring a Researcher to drive Preferred Networks (PFN)’s Drug Discovery initiatives.

The advancements of computational science in drug discovery have been remarkable, and its applications are expanding across fields ranging from the identification of biomolecular drug targets and the prediction of their structures and functions to the design, exploration, and optimization of drug candidate molecules (including predictions for pharmacological activity, toxicity, and pharmacokinetics).

The PFN Drug Discovery team provides pharmaceutical companies with solutions, such as the binding free energy calculation service P-FEP, that integrate advanced computational methodologies with deep domain expertise. We are currently building on these core technologies to create a comprehensive "Drug Discovery Platform" – an end-to-end solution aimed to accelerate a wider range of processes in the drug discovery workflow.

We are recruiting a researcher to lead the research and development of novel technologies that address critical challenges in drug discovery. We seek a professional who deeply resonates with our Mission and Values (https://tech.preferred.jp/ja/blog/2025-mission-values/) and possesses the exceptional engineering capability to implement cutting-edge theory into robust software.

Team Mission

• Contribute to human health by facilitating the creation of innovative medicines using cutting-edge computational science.

Responsibilities

• Conduct research, development, and productization of new technologies in the drug discovery field
  Design and implement innovative algorithms, rather than applying existing software.Work primarily on the areas specified in the Qualifications, while also handling a variety of other areas
• Conduct collaborative research with external institutions
• Survey the latest research papers, and master and implement algorithms
• Collaborate with other teams within the company

Additional Information

• Introduction to our research
• Drug Discovery HP:https://projects.preferred.jp/drug-discovery/(old)
• Technical Blog:https://tech.preferred.jp/ja/tag/drug-discovery/
• Keywords related to our activities
  Neural Network Potential / Machine Learning Interatomic PotentialProtein Folding, Structure-aware predictionADMET PredictionAI-driven Molecular DesignComputational Chemistry, Molecular SimulationMolecular DockingMolecular Dynamics (e.g., Enhanced Sampling MD, Free Energy Perturbation)Structure-Based Drug Design (SBDD)Ligand-Based Drug Design (LBDD)Chemoinformatics

必須スキル

• Drug Discovery領域における専門知識（下記の内、いずれか1つ以上に関する深い知識や経験）
  分子動力学シミュレーション（FEPなどの高精度な活性予測技術）Neural Network Potential (NNP) / Machine Learning Interatomic Potential (MLIP)Protein folding / Structure-aware prediction
• ソフトウェア開発
  Python等を用い、複雑なアルゴリズムや理論を自力で実装できる能力コンピューターアーキテクチャを理解し、ソフトウェアの実行効率や、計算量を意識したプログラムを実装できる能力
• Unix/Linux環境における計算リソース（GPU/大規模クラスタ等）の使用・制御経験
• Expertise and deep experience in at least one of the following areas:
  Molecular dynamics simulation (e.g., high-accuracy affinity prediction technologies such as Free energy perturbation)Neural Network Potential (NNP) / Machine Learning Interatomic Potential (MLIP)Protein folding or Structure-aware prediction
• Software development skills:
  Ability to independently design and implement complex algorithms and theories using PythonAbility to implement efficient programs with an awareness of computer architecture and computational complexity
• Experience utilizing high-performance computing resources in a Unix/Linux environment.

歓迎スキル

• 製薬企業や化学企業における実務経験（3年以上が望ましい）
• 量子化学計算（とくにQM/MM）に関する深い知識や経験
• 機械学習・深層学習（AI）分野における実装経験
• Practical experience in the pharmaceutical or chemical industry (preferably 3+ years)
• In-depth knowledge and experience in quantum chemistry, especially for QM/MM calculations
• Implementation experience in the field of Machine Learning Deep learning (AI)

給与

経験、業績、能力、貢献に応じて、当社規定により優遇
Experience, performance, skills, contribution are taken into consideration.

勤務地

東京都千代田区大手町１−６−１ 大手町ビル / Otemachi Bldg., 1-6-1 Otemachi, Chiyoda-ku, Tokyo, Japan 100-0004
リモート勤務制度あり （日本国内に限る) / Remote work system available (limited to work in Japan)

雇用形態

正社員（試用期間3ヶ月、本採用と同条件）

Full-time regular employment (3 months of probation period under the same condition as regular employment)

休日

休日：土曜日、日曜日、国民の祝日、国民の休日、年末年始
当社規定による年次有給休暇制度（入社時26日付与）
育児休暇、慶弔休暇など

Holiday: Saturdays and Sundays, public holidays, Year-end and new-year
Annual paid leave based on company regulations (26 days granted upon hire)
Parental leave, congratulation / condolence leave etc.

福利厚生

社会保険完備（厚生年金保険、健康保険、雇用保険、労災保険）
確定拠出年金制度
ラップトップPC購入補助
定期健康診断実施

Various social insurance programs: pension insurance, health insurance, employment insurance, workers’ compensation
Defined contribution pension
Allowance for purchasing a laptop PC
Regular health checks

Required documents in addition to a resume

• 業績リスト （もしあれば）
• List of publications (if available)

勤務形態 / Work style
専門労働型裁量労働制（みなし労働時間：8時間）もしくはフレックス制
ハイブリッド勤務（オフィス出社と在宅勤務を組み合わせての勤務）

Discretionary-work (deemed work hours: 8 hours) or Flex-time system
Hybrid work (Combination of working from the office and working from home)

賃金 / Salary
経験、業績、能力、貢献に応じて、当社規定により優遇
※基本給及び固定残業代の金額及び内容については、オファー時に速やかに明示します

Preferential treatment in accordance with Company regulations, based on experience, performance, ability, and contributions.
note - The amounts and details of base salary and fixed overtime pay will be clearly specified promptly at the time of the offer.

昇給・賞与 / Salary increase & bonus
年2回の人事評価及び会社業績に基づいて決定

Based on the result of a individual performance review (twice a year) and company’s performance

諸手当 / Allowances
通勤手当、在宅勤務手当

Commutation allowances / teleworking allowances

Company name / 社名
Preferred Networks, Inc.

Established / 設立年月日
March 26, 2014

Headquarters location / 本社所在地
東京都千代田区大手町１−６−１ 大手町ビル / Otemachi Bldg., 1-6-1 Otemachi, Chiyoda-ku, Tokyo, Japan 100-0004

Co-Founders / 共同創業者
Toru Nishikawa, Chairman / Daisuke Okanohara, CEO

Web site URL
https://www.preferred.jp/ja/

Job openings / 求人一覧
キャリア採用（第二新卒含む）
新卒採用
インターンシップ

東京都千代田区大手町１−６−１ 大手町ビル / Otemachi Bldg., 1-6-1 Otemachi, Chiyoda-ku, Tokyo, Japan 100-0004
リモート勤務制度あり （日本国内に限る) / Remote work system available (limited to work in Japan)

経験、業績、能力、貢献に応じて、当社規定により優遇
Experience, performance, skills, contribution are taken into consideration.