히츠는 어떤 회사인가요?

하나의 신약이 탄생하기까지 소요되는 시간은 10~15년인데 반해, 신약개발 성공률은 9,000분의 1에 불과합니다. 인류의 건강한 미래를 위해 필요한 약이 더 많이 더 빠르게 개발되도록, 히츠는 AI를 비롯한 디지털 기술을 통해 고비용 저효율의 신약개발 산업을 혁신하는 기업입니다. 혁신의 첫 시작으로 신약개발 연구자 대상의 웹 기반 AI 신약개발 플랫폼(SaaS) ‘HyperLab’을 만들고 있으며, 국내 연구기관 및 제약사 뿐만 아니라 해외에서도 HyperLab을 사용하고 있습니다.

어떤 팀에 합류하게 되나요?

AI연구팀은 더 효율적인 신약개발을 위한 인공지능 모델, 히츠의 핵심 기술을 개발하고 있습니다. 

연구 대상들로는 화합물의 약물 효능 예측, 약리학적 물성 예측, 분자 설계를 위한 인공지능 모델 등이 있습니다.

신약개발은 다양한 전문 분야의 지식과 기술이 필요한 과정인 만큼 이를 위한 인공지능 개발 역시 여러분의 다양한 배경이 필요합니다.

물리, 화학, 컴퓨터 과학 등 다양한 전문성을 가진 동료들과 함께 혁신적인 인공지능 기술 개발에 참여할 수 있습니다.

더불어 딥러닝 연구에 있어 필요한 노하우나 지식을 물어보기 쉬운 전문적인 창구가 있어 도전적인 목표도 과감하게 시도할 수 있습니다.

AI 연구팀의 더 많은 이야기를 알아보세요.

히츠 AI 연구팀 멤버의 이야기

---

아래 업무들 중 하나를 맡게 돼요.

1. 수십 조 단위의 초거대 화학공간 탐색

Hyper Screening X는 히츠의 대표적인 생성 AI 기반 분자 스크리닝 기술입니다. GFlowNet 기반의 RxnFlow 모델, 구매 가능한 빌딩블록, 검증된 반응 템플릿을 조합하여, 수십 조 개 규모의 가상 화학공간에서 약물 후보 물질을 생성합니다. 해당 화학 공간은 히츠 파트너사의 기술력으로 80%가 넘는 합성가능성을 자랑합니다. 본 주제에서 AI연구팀원은 다음 같은 연구들을 수행합니다.

• 약물 활성, ADMET, 단백질-리간드 상호작용 등을 대상으로 multi-objective optimization.
• 구조적으로 다양한 최적 분자 생성.
• 합성 의뢰 시 애매성을 야기하는 diastereomer 생성 문제 해결.
• 레퍼런스 분자 대비 유사도·비유사도 제어, 또는 모핵 (scaffold) 강제.
• 새로운 벤더사의 화합물 라이브러리 탑재 및 모델 최적화.
• 표적 단백질 사전학습 없이 작동하는 포켓 조건부 생성 연구.

2. 화학 반응 예측 & 실험실 자율화

히츠는 AI가 Design-Make-Test-Analyze (DMTA) 전 주기를 가이드하는 자율실험실 (autonomous labs)을 향해 나아가고 있습니다. 본 주제에서 AI연구팀원은 자율실험실을 가능하게 하는 화학 합성 관련 AI 기술 개발에 집중합니다.

• 신규 화합물의 합성 경로 예측 (retrosynthesis).
• 최적 용매, 온도, 촉매, 시약 비율 등 반응 조건 예측.
• 실험 피드백 기반 반응 수율의 최적화.
• 특수 모달리티 관련 유기합성 반응 데이터베이스 큐레이션.
• 로봇 합성 플랫폼과의 연계를 통한 closed-loop 실험 워크플로우 구축.
• 관련 개념: retrosynthesis, forward synthesis prediction, Bayesian optimization, active learning, autonomous labs, self-driving labs.

3. 가상세포 구현을 위한 요소 기술 개발

히츠는 단백질 수준을 넘어 세포 수준까지 약물의 효과를 정확히 예측하는 연구를 하고 있습니다. 약물과 표적 단백질의 상호작용이 세포 및 조직에 영향을 미치기까지 일어나는 복잡한 생물학적 과정을 모사하여, 히츠와 함께 하는 연구자들에게 실질적인 예측 도구를 제공합니다.

• 분자 데이터와 오믹스 데이터의 유기적 결합을 통한 약물–세포 반응 예측 모델 개발.
• 단백질 수준 상호작용이 세포 표현형으로 이어지는 과정의 해석 가능한 모델링.
• 생물학적인 노이즈와 실험 batch effect를 극복하기 위한 데이터 파이프라인 & 모델링 전략 탐색.
• 새로운 약물 및 새로운 세포주에 대한 zero-shot 일반화 성능 향상.
• 수치적인 예측에 더해 바이오 연구자들에게 제공할 수 있는 가치 구상 및 연구.
• 관련 개념: cell-based assays, virtual cell, foundation models, multi-omics, DEG prediction, DepMap Portal, mechanism of action.

4. 차세대 모달리티 약물 설계

저분자를 넘어 펩타이드, 핵산, 항체, antibody–drug conjugates (ADCs), targeted protein degradation (TPD) 등 차세대 약물 모달리티와 이에 관련된 다양한 바이오분자 시스템으로 예측·생성 모델을 확장합니다. 히츠는 AI 특화 파운데이션 모델 , aka K-Fold 프로젝트에 참여하고 있습니다. K-Fold와 같은 co-folding 모델의 플랫폼화를 위한 검증과 최적화를 주도합니다. 아래는 관련된 세부 연구 주제들의 예입니다.

• 다양한 바이오 분자 시스템에 대한 co-folding 모델들의 성능 검증: 단백질–단백질 복합체, 단백질–핵산 복합체, 항체 복합체, beyone the rule of 5 (bRo5) 리간드 복합체 등.
• ADC, TPD 등 차세대 모달리티 약물 설계 파이프라인 구축.
• bRo5 분자의 생물학적 활성 · ADMET 예측 및 분자구조 생성.
• 벤치마크 데이터 조사 및 구축, 입력 데이터 파이프라인 최적화, 추론 방법 최적화.
• 경력 의약화학자·생물학자들과의 협업을 통한 실전 검증.
• 관련 개념: co-folding, targeted protein degradation (TPD), PROTAC, molecular glues, peptide drugs, cyclic peptides, antibody–drug conjugates (ADCs), protein–nucleic acid interactions.

5. ADMET 예측 모델 개발

In vitro, in vivo, clinical 등 신약개발의 다양한 단계에서 조사되는 약물동태학적 (pharmacokinetic) 물성들을 정확하게 예측하고 신뢰할 수 있는 결과를 제공합니다.

• 물성별 기작과 데이터 생성 과정을 자세히 이해하여 데이터를 수집하고 정제.
• 단순한 ligand-based 모델링을 넘어 단백질 구조, foundation models, 연합학습 등 차세대 방법으로 일반화할 수 있는 모델 개발.
• 대사 부위 (metabolic site) 및 대사체 (metabolites) 예측.
• 약물-약물 상호작용 (drug-drug interaction) 예측.
• 독성 발현 구조 (toxicophore) 예측.
• 관련 개념: pharmacokinetics, DMPK, toxicity, data imbalance, structural alerts.

---

이런 경험을 할 수 있어요.

• 연구가 제품이 되는 과정을 처음부터 함께합니다. 히츠에서는 AI연구팀, 프로덕트 팀, 개발팀, 신약개발팀이 초기 기획 단계부터 함께 모여 기술의 시장성을 판단하고, 빠르게 프로토타입을 만들어 검증합니다. AI연구원이 개발한 모델은 HyperLab을 포함한 히츠의 플랫폼을 통해 실제 제약사와 연구기관에 서비스되며, 시장의 피드백이 곧바로 다음 연구 방향에 반영됩니다.
• 빠르게 변화하는 AI 기술을 현장에 적용합니다. 히츠는 agentic AI, coding agent, AI co-scientist, autonomous labs 같은 새로운 기술 흐름을 팔로우하는 데 그치지 않고, 실제 업무와 제품에 곧바로 도입합니다. 사업을 위한 제품뿐 아니라 내부 업무문화의 AI transformation (AX)도 적극적으로 적용합니다.
• 본인이 만든 모델을 다양한 실제 프로젝트에 적용합니다. 히츠는 자체 사업뿐 아니라 다수의 대규모 국책 산학연 컨소시엄을 통해 자사의 AI 기술을 적용하고 있습니다. 모든 컨소시엄은 정부지원금만을 목적으로 하지 않고 직접적인 성과를 창출하기 위해 분주히 움직이고 있습니다. 자신이 개발하는 AI를 제약바이오의 다양한 현장에 적용하고 다양한 전문가들과 교류하며, 쓸모있는 AI 모델 개발을 위한 경험을 쌓아나갈 수 있습니다.
• 업무 방식을 끊임없이 회고하고 개선합니다. 히츠는 일하는 방식 자체를 연구 대상으로 삼습니다. 프로젝트 회고를 통해 연구–검증–기획–개발 간 협업 프로세스를 더 작은 단위로 재설계하고, 새로운 도구와 워크플로우를 팀 차원에서 실험합니다. 형식보다 professional ownership을 중시하는 문화 위에서, 합리적인 제안이라면 실행에 옮겨지도록 리더진이 함께 노력합니다.

---

이런 동료를 찾고 있어요.

다음의 역량들을 갖추신 분.

1. 앞선 내용으로부터 어떤 연구들을 하게 될지 파악할 수 있는 분.
2. 관찰 → 가설 생성 → 실험 설계 & 수행 → 가설 수정의 연구 사이클을 스스로 연속할 수 있는 분.
3. 탑 티어 학회나 저널에 공개되는 최신 기술을 팔로우 업 하여 빠르게 테스트, 내재화 할 수 있는 분.
4. 모델 개발을 위해 데이터를 수집하고, 데이터의 생성 과정을 이해하여 올바르게 정제할 수 있는 분.
5. 다양한 직군과 협력하여 AI 모델을 검증하고 제품화 하는 과정을 즐기는 분.
6. 본인의 역량을 적극적으로 AI transformation (AX) 할 수 있는 분: 연구 및 기타 업무를 가속할 수 있는 AI 도구 (Claude Code, OpenClaw 등)를 능숙하게 활용하고, 관련 트렌드를 꾸준히 팔로우 하며 새로운 발견을 시도하는 분.
7. 리눅스 서버 (클러스터, job scheduler 등) 사용에 능숙한 분.

이런 역량이 있으면 더 좋아요.

1. 딥러닝 응용 분야로 박사 학위 또는 3년 이상 기업/연구소 경력을 보유한 분.
2. ICLR, ICML, NeurIPS, AAAI, IJCAI, ECCV, ICCV, CVPR, SIGIR, WWW, ACL, EMNLP, KDD 등 탑 티어 AI 학회나 저널에 논문을 출판한 경력이 있는 분.
3. Kaggle, Dacon과 같은 챌린지에서 수상한 경력이 있는 분.
4. 화학, 생화학, 생명과학 등 신약개발 관련 분야를 학습하거나 연구한 경험이 있는 분.
5. Amazon Web Services 사용에 능숙한 분.
   1. 예: Bedrock, SageMaker, EC2, S3, ParallelCluster, EBS/EFS/FSx 등.

※ 위 역량은 우대 사항으로 필수 자격 요건에 해당하지 않습니다.

---

복리후생 제도를 소개합니다.

나의 업무 효율에 맞춘 근무 시간 및 형태

• 출근 시간을 미리 지정해두지 않고, 매일 오전 7시~10시 사이 자유롭게 출근할 수 있어요.
• 필요한 경우 점심 시간을 최대 2시간까지 사용할 수 있어요.
• 입사 1개월의 적응기간을 마친 후, 주 1회 재택근무가 가능해요.

업무 능률 향상을 위한 아낌 없는 지원

• 노트북, 모니터, 키보드, 마우스 등의 업무 장비를 본인이 원하는 브랜드와 스펙에 맞추어 구매할 수 있어요.
• 재택근무에 필요한 업무 장비를 지원 받을 수 있어요.
• 잘 먹으면서 일할 수 있도록, 팀원들이 먹고 싶은 간식을 신청 받아 무제한으로 제공해요.
• 점심식사, 커피 구매 등 자유롭게 나누어 사용 가능한 팀별 회식비 예산을 매월 지원해요. 
• 강의 수강, 세미나 참석, 도서 구입, 사내 스터디 운영 등 성장에 필요한 활동을 지원해요.
• 히츠 채용 홈페이지를 통해 지원하고 합류할 경우, 입사 시 성장지원금 100만 원을 지급해요.

구성원의 건강하고 지속가능한 삶을 위해 마련된 제도

• 모든 구성원에게 자유롭게 사용 가능한 20일의 연차를 부여해요.
  
  • 연차는 분 단위 사용이 가능해요.
  • 3년 단위로 장기 근속 휴가를 추가 부여해요.
• 연 20만 원의 건강검진 비용을 지원해요. (배우자의 검진 비용도 추가 지원 받을 수 있습니다.)
• 각종 경조사 휴가 및 경조비를 지원해요.

---

합류 여정을 안내 드려요.

• 서류 전형 〉 1차 인터뷰 〉 대표이사 인터뷰(평판 조회 병행)〉 최종 합격
  • 인터뷰 전형은 강남역 인근에 위치한 히츠 오피스에서 대면으로 진행됩니다.
    
  • 1차 인터뷰 단계에서 20분 PPT 프레젠테이션 전형을 병행합니다.
  • 평판 조회 전형은 평판 조회 플랫폼 스펙터를 통해 진행됩니다.

---

참고해 주세요.

• 최종합격시 3개월간 수습기간이 있으며, 3개월 수습 평가에 따라 본채용 여부가 결정됩니다.

• 수습기간 중 급여나 처우의 차이는 없습니다.

• 본 채용은 상시 채용으로 합격자 발생 시 별도의 안내 없이 마감될 수 있습니다.

• 본 채용은 전문연구요원 채용이 가능합니다.

• 각 전형 결과는 합/불 여부와 관계없이 모든 지원자에게 메일로 안내 드립니다.

---