Generative Reinforcement Learning for de novo Drug Design

Stage M2 (rémunéré) au LIPN visant la génération de molécules actives contre l’enzyme NDM-1 via des modèles génératifs et l’apprentissage par renforcement.

Objectifs principaux

• Concevoir un modèle génératif efficace produisant des molécules valides, actives, nouvelles et diversifiées.
• Améliorer les performances par rapport à des approches existantes (ex. ReLeaSE).

Deux postes (2 stagiaires), chacun sur un volet distinct:

• Task 1: Conception, implémentation et évaluation d’un modèle RL basé sur la Cross Entropy Method (CEM), avec une politique de type RNN/GRU et une fonction de récompense simple (classifieur d’activité + validité). Sélection d’«élites» diversifiées via du clustering à chaque époque pour éviter les minima locaux et accroître la diversité des molécules générées.
• Task 2: Conception d’une fonction de récompense avancée, guidée par l’analyse XAI d’un classifieur d’activité afin d’identifier les facteurs expliquant l’activité biologique et d’enrichir la récompense pour orienter la génération.

Profil recherché

• Étudiants M2 en Informatique, motivés, avec de bonnes bases en apprentissage supervisé/non supervisé et en Python. Aucune expérience préalable en chimi-informatique requise.

Infos clés

• Localisation: LIPN (Université Sorbonne Paris Nord)
• Durée: 6 mois
• Gratification: oui (stage rémunéré)

Dossier de candidature

• CV
• Lettre de motivation
• Relevés de notes M1 et M2
• Contacts de 1–2 référents (poste, email, téléphone)

📧 Pour postuler: thomas.papastergiou@univ-paris13.fr