Senior Generative AI Research Engineer — サステナブル化粧品・医薬品R&D（東京・パリ・リモート可）

背景

東証上場の日本の製薬・化粧品グループ（売上3,000億円超、アイケア・スキンケア・機能性化粧品にわたる数十年のブランドポートフォリオ）が、旗艦AIプログラムを立ち上げます。本ポジションは古典的なデータサイエンス案件ではなく、生成AI／基盤モデルの研究エンジニア職です。

クライアントのCIO（IBMで26年のベテラン）は明確な目標を掲げています。2024–2025年に最も野心的な「製薬×AI」研究提携が実現したことを社内で再現し、さらに3つの軸を推進すること：生成AIの完全活用（ダッシュボード化された統計MLではない）、教師なし学習（過去データなしで処方を生成し新カテゴリーを発見）、そして設計段階からのサステナブル化粧品（生分解性・調達インパクト・多地域規制を初日から組み込む）。

ミッション

AbbealおよびクライアントのR&Dリーダーシップと共に、化粧品・医薬品処方のためのカスタム基盤モデルを構築します。アーキテクチャは以下を組み合わせます：

• Formula Generator — 分子グラフと原料埋め込みに対するtransformer／diffusion／GNNアーキテクチャ。1万種類以上の化粧品グレード原料のキュレーション済みコーパスで学習。
• Multiple Formula Evaluators — 規制適合（多地域）、サステナビリティ（カーボン・調達・生分解性）、コスト、製品性能を並列評価するスコアリングヘッド。
• self-supervisedによるカテゴリー発見 — 過去データのない領域で新カテゴリーを浮かび上がらせる教師なし表現学習。
• 外部データパイプライン — 規制フィード・科学文献・サプライヤー仕様に対するRAG。
• 意思決定ダッシュボード — R&D研究者とブランド経営層向けの説明可能な出力。

アーキテクチャの着想：MoLFormer、ChemBERTa、RXN for Chemistryの系譜にある分子基盤モデルを化粧品処方向けに適応。

ロードマップ

• フェーズ0 — 監査（2〜3週間）：ユースケースの整理、データのデューデリジェンス、現行R&Dスタックの技術評価。
• フェーズ1 — PoC（3か月）：基盤モデルMVP、サステナビリティ・スコアリングヘッド、2カテゴリーでの評価ハーネス。
• フェーズ2 — 本番（12か月以上）：スケーリング、R&Dチームとの統合、プロダクション化、ガバナンス。

条件・ロジスティクス

• 勤務形態：パリまたは東京からのリモート可。東京への定期出張あり（フェーズ0–1は最低月1週間の東京オンサイト）。
• 契約形態：Abbeal経由のフリーランス、または正社員（Abbeal Japan契約。リロケーション希望者にはMobbealによる国際モビリティ・パッケージあり）。
• 業務言語：英語。日本語（JLPT N3以上）は歓迎されるが必須ではない。
• 開始：2026年Q3 — プロファイル確定後すぐに監査フェーズを開始可能。

求める人物像 — 必須

• 科学領域（化学・材料・創薬・ライフサイエンス）に応用した生成AI／基盤モデルの構築5年以上。
• 分子表現（SMILES・SELFIES・3Dグラフ）に対するtransformer／diffusion／VAE／GNNの実務経験。
• LLMのファインチューニングを超えた、最先端の教師なし・自己教師あり学習の実践知識。
• 科学的バックグラウンド — 計算化学・ML・材料科学・CSのPhD（強い領域経験を伴う）、または同等の産業実績。
• ビジネス英語が流暢 — 元Distinguished Engineerクラスの技術スポンサーと基盤モデル設計を議論できること。
• 12〜18か月のPoC→本番ロードマップを設計・遂行できること。

歓迎要件

• 会話レベルまたはビジネスレベルの日本語（JLPT N3以上）。
• IBM Research、ETH Zurich、EPFL、Institut Pasteur、Institut Curie、Imperial College などでの経験。
• 化粧品・香料・食品の処方R&Dの直接経験（Tier-1化粧品、Givaudan、IFF、Firmenich、Iktos、Prose など）。
• 日本のクライアントおよび間接的コミュニケーション文化の経験。
• 論文（NeurIPS、ICML、JCIM、JACS、Nature ML）またはOSSへの貢献。

想定技術スタック

• モデリング：PyTorch、JAX、Hugging Face Transformers、RDKit、DeepChem、PyTorch Geometric。
• クラウド：AWS または GCP（東京リージョンの可能性が高い）。
• Ops：MLflow、Weights & Biases、DVC、Airflow／Prefect。
• データ：PostgreSQL + ベクトルストア（Pinecone、Weaviate、pgvector）、Snowflake または BigQuery。
• 評価：SHAP、integrated gradients、不確実性定量化、A/Bテスト。

参画の魅力

• 日本の主要R&Dプレイヤーにとって前例のないプログラム — 2025年のサステナブル化粧品×基盤モデル提携と同じ系譜。
• 応用されたフロンティア研究 — 複数年スコープの旗艦モデルでアーキテクチャ選定をオーナーシップ。
• ハイレベルな技術スポンサーシップ — CIOはIBM26年のベテランで、あなたの論文を読める。
• モダンなスタック、レガシーMLの負債なし — グリーンフィールド設計。
• 国際的な体制 — フランス／日本／グローバルなエンジニアリング文化、パリ・モントリオール・東京のfollow-the-sun。
• Abbealのモビリティ — 東京拠点を希望する場合はMobbealによるビザ・リロケーション支援。

応募

このプロファイルに合致する方、あるいはネットワーク内に該当者がいる方は、ぜひお話ししましょう。CIOスポンサーは技術的整合のため2026年6月中旬を期限としており、スピード感を持って進めます。件名「GenAI Foundation Models Cosmetics Tokyo」で sebastien@abbeal.com までご連絡ください。