職種検索へ戻る

仕事の詳細

職場での仕事内容から生かせる経験・スキル、諸条件など詳細を確認できます

企業名

トヨタ自動車株式会社

職種

次世代電池材料の研究開発

仕事内容

【特色】 カーボンニュートラル実現に向けたクリーンな社会のために、次世代電池を一緒に研究・開発できる即戦力人材を求めています。 【業務内容】 【概要】 カーボンニュートラル実現に向けたクリーンな社会のために次世代電池の開発が望まれています。 トヨタは、全固体電池や液系LIB電池をはじめとする次世代電池の研究開発に力を入れており、 先行開発や研究開発を一緒にやれる仲間を探しています。 【詳細】 次世代電池材料の研究開発(新奇固体電解質(無機材料/有機材料/高分子材料等),新奇活物質(正極/負極),新奇電解液など) ■本求人の想定役割:メンバー・チームリーダー・マネージャー 【採用の背景】 カーボンニュートラル実現の為の一つの手段として、電気自動車の普及があり、 電気自動車をお客様に幅広く普及していくためには、より高性能で低コストな次世代電池が 必要であり、それらの研究開発を加速させていかねばなりません。その目的のために、 これまで培った専門技術を活かし、主体的に研究開発を進めていただける人財を求めています。 応 募 【職場イメージ・職場ミッション】 【配属先部署情報】 ・30代の若い技術者が多く、キャリア採用で入社した人も多いので、オープンで活発な雰囲気の職場です。 ・世界で最先端の電池や電池材料の研究開発を行うことができ、自分の専門知識を活かして活躍できます。 ・当部署は研究開発から先行開発まで担っており、自分が提案した材料や電池技術を商品にする喜びを実感でき、 世の中にない新しい技術を生み出していく楽しみとやりがいを実感できる部署です。 【ミッションと今後の方向性】 ・持続可能な社会とお客様の幸せに貢献するため、世界に先駆け、魅力と競争力ある電池と電池づくりの 研究・開発を行う部署です。当部署では、次世代電池の要素研究、材料研究開発、セル開発、構造設計、 機構開発、評価解析、電池リサイクル、生産技術を一体で開発を行っています。 ・特にマクロシミュレーション、ミクロシミュレーション、機械学習を駆使し、シミュレーションを 積極活用することで、従来よりも早く効率的に研究開発を進めていける体制を目指しています。 当該業務では、業務上、米国の輸出規制強化に関する情報を扱うため、個人ごとに情報へのアクセス権を管理するなど、情報管理の徹底を図っています。 【やりがい・PR】 ・研究開発から先行開発までやっているので、自分が研究で発見した材料を商品にする喜びを実感でき、 世の中にない新しい技術を生み出していく楽しみとやりがいを実感できる部署です。 ・世の中にない高性能な次世代電池の開発に取り組んでいるため、うまくいかないことも多いですが、 関係者みんなで知恵を絞り、ブレイクスルーを起こそうとしています。

求める人物像

【MUST】 下記要件いずれかを満たす方 ・電池材料の研究開発or量産化経験者 ・電池(セル~パック)の機構開発or構造設計or部品開発経験者 ・機械学習orシミュレーションor材料インフォマティクス経験者 ・電池の粉体開発orスラリー開発or解析経験者 ・電池リサイクル開発経験者 【WANT】 下記要件いずれかを満たす方 電池の機構設計や構造設計の経験がなくても、下記スキルを習得されていて、電池開発に強い意欲を持つ方 ・機械工学の基礎的な四力学の知識(機械力学、材料力学、熱力学、流体力学) ・材料の応力や塑性、弾性の計算、熱の伝達計算、ガス透過計算などを用いた製品や製造設備の開発経験者 必須要件記載の電池業務の経験がなくても、以下技術領域のいずれかで専門性を有しており、 電池の研究開発に強い意欲を持って従事したいと思っている方 ・材料化学・応用化学(無機材料、高分子材料、有機材料、金属、溶液化学等) ・電気化学、化学工学、粉体工学、スラリー工学、塗装工学、分析化学等 ・計算科学(シミュレーション等)、情報科学(機械学習、材料インフォマティクス等)

勤務予定地

愛知県(豊田市) 静岡県(裾野市)

博士卒の初任給

■ 年収・報酬 ▼想定年収 ・5,000,000円〜15,700,000円 ※給与は経験・能力を考慮の上決定 ※選考結果により想定役割以外でのオファーとなる場合あり ▼参考:各役割と想定年収 ・《メンバー相当》想定年収:5,000,000円〜(資格:担当事技職 or 指導職以上) ・《チームリーダー相当》想定年収:8,300,000円〜(資格:主任職以上) ・《マネージャー相当》想定年収:14,100,000円〜(資格:基幹職以上) ※トヨタでの資格に関する詳細は人材育成体系の概要(事技職)を参照 ※その他詳細は募集要項を参照

本選考の採用フロー

STEP01|応募 現在募集している職種の中から選択しご応募ください。 STEP02|書類選考 ご登録いただいた情報を元に、書類選考を実施いたします。 ※結果につきましては、合否に関わらず、2週間以内にメールにてご連絡いたします。 (但し、応募者が多数の場合は選考に時間がかかることがございますのでご了承ください) STEP03|1次面接+適性検査 書類選考を合格された方に個別面接を実施いたします。 適性検査は、通常、面接日3日前までにWEB上で受験いただきます。 ※求人によっては選考プロセスが異なる場合があります。 ※結果につきましては、合否に関わらず、通常1週間以内にメールにてご連絡いたします。 (但し、部門により多少日数に違いがあります) STEP04|最終面接 一次面接で合格された方に個別面接を実施し、さらに詳細の確認をさせていただきます。 STEP05|最終面接合否連絡 通常1週間以内にメールにてご連絡いたします。 (但し、部門により多少日数に違いがあります) STEP06|内定 提示の入社条件に同意いただいた後、正式内定となります。 内定された方は、合格連絡から約3か月後(最長最終面接日より6か月以内)に入社となります。 (入社月は毎月1日です) ※入社月は、ご本人と相談の上調整させていただきます。

類似した職種

株式会社MOLCURE

職種
Bioinformatics Scientist — Antibody Discovery & NGS

[The Role] We are looking for a Bioinformatics Scientist who will work across the full spectrum of antibody discovery—from mining screening data to computationally designing new candidate sequences. Working at the front line of our antibody discovery engine, you will own the end-to-end NGS analysis pipeline, partner directly with wet-lab scientists to close the loop between computation and experiment, and collaborate with ML engineers to apply generative AI approaches for sequence design and optimization. This is not a downstream analysis role. You will shape which candidates enter our optimization pipeline—whether discovered from screening data or computationally designed—and your biological interpretation will directly influence lead selection decisions. As an early member of the computational team, you will have the autonomy to define how our discovery informatics evolves. [ポジション概要] スクリーニングデータのマイニングから、生成AIによる新規候補配列のデザインまで、抗体探索の全領域を横断するBioinformatics Scientistを募集します。抗体探索エンジンの最前線で、NGS解析パイプラインのエンドツーエンドのオーナーシップを持ち、ウェットラボサイエンティストと直接連携して計算と実験のループを閉じるとともに、MLエンジニアと協働して配列デザイン・最適化への生成AIアプローチを推進する役割です。 これは下流の解析業務ではありません。スクリーニングから発見された候補であれ、計算的にデザインされた候補であれ、どの分子が最適化パイプラインに入るかを決定し、あなたの生物学的解釈がリード選定の意思決定に直接影響します。計算チームの初期メンバーとして、ディスカバリーインフォマティクスの進化の方向性を自ら定義する自律性を持つポジションです。 What You Will Do • NGS Pipeline Development & Execution Build, execute, and continuously refine pipelines for processing high-throughput sequencing data from antibody display and screening campaigns. Ensure reproducibility, scalability, and rapid turnaround to keep pace with experimental cycles. • Candidate Discovery & Prioritization Analyze clonal enrichment, sequence diversity, and predicted developability to identify and rank antibody leads. Provide data-driven rationale for which candidates advance to downstream characterization. • AI-Driven Sequence Design Collaborate with ML engineers to leverage generative AI and protein language models for de novo antibody sequence design and optimization. Evaluate computationally designed candidates using the same biological and developability criteria applied to screening-derived hits, bridging the gap between generative models and experimental validation. Wet-Lab Partnership Serve as the primary computational partner to bench scientists. Interpret screening results collaboratively, provide rapid feedback on experimental outcomes, and co-design iterative screening strategies based on data insights. • Pipeline & Codebase Evolution Maintain and improve our Python-based analysis codebase. Architect flexible, modular systems that can incorporate new algorithms, public datasets, and evolving experimental formats as the field advances. • Scientific Intelligence Monitor the rapidly evolving landscape of AI-driven antibody discovery and NGS methodology. Evaluate emerging tools and approaches, and bring validated improvements into our production workflows. [担当業務] • NGSパイプラインの開発・実行 抗体ディスプレイ・スクリーニングキャンペーンから得られるハイスループットシーケンシングデータを処理するパイプラインを構築・実行し、継続的に改善する。再現性、スケーラビリティ、迅速なターンアラウンドを確保し、実験サイクルに追従する。 • 候補抗体の発見と優先順位付け クローナルエンリッチメント、配列多様性、予測される開発可能性を分析し、抗体リードを特定・ランク付けする。どの候補が下流の特性評価に進むべきか、データに基づく根拠を提供する。 • AIを活用した配列デザイン MLエンジニアと協働し、生成AIやタンパク質言語モデルを活用したde novo抗体配列デザイン・最適化を推進する。計算的にデザインされた候補に対しても、スクリーニング由来のヒットと同じ生物学的・開発可能性の基準で評価を行い、生成モデルと実験バリデーションの橋渡しを担う。 • ウェットラボとの連携 ベンチサイエンティストの主要な計算パートナーとして機能する。スクリーニング結果を共同で解釈し、実験結果に対する迅速なフィードバックを提供し、データインサイトに基づく反復的なスクリーニング戦略を共同設計する。 • パイプライン・コードベースの進化 Pythonベースの解析コードベースを維持・改善する。新しいアルゴリズム、公開データセット、進化する実験フォーマットに対応できる柔軟でモジュラーなシステムを設計する。 • サイエンティフィックインテリジェンス AI駆動の抗体探索とNGS方法論の急速に進化する動向をモニタリングする。新興ツールやアプローチを評価し、検証済みの改善をプロダクションワークフローに導入する。

株式会社QunaSys

職種
Chemical Researcher/リサーチャー(化学)

QunaSysでは、新たに化学リサーチチームのResearcherを募集します! 化学リサーチチームのミッション - 我々のチームでは、量子コンピューティングと量子化学の融合により、従来計算が困難だった電子構造・反応・物性の予測精度とスケールを飛躍させ、材料・化学のイノベーションを加速することを目指しています。 - そのために、量子化学(波動関数理論)・量子アルゴリズム(FTQC/Early-FTQC/NISQ)・誤り耐性/誤り緩和・古典量子化学計算(DFT/波動関数理論/MD)・マテリアルズインフォマティクスを統合した革新的な計算技術を開発し、研究成果を現実の課題(材料探索、触媒・電池・創薬など)に結びつけます。 具体的な業務内容 (スキル・興味に応じて柔軟に対応します) ・量子化学向け量子アルゴリズムの研究開発(FTQC/Early-FTQC/NISQ) 電子構造計算(基底状態・励起状態)や反応経路評価に向けた量子アルゴリズムの設計・改良 FTQC環境を前提としたアルゴリズム設計(新規アルゴリズム開拓や既存アルゴリズムのリソース削減など) 産業的に価値ある計算課題の探索 ・古典計算とのハイブリッド統合(計算化学ワークフロー化) DFT/波動関数理論/分子動力学と量子計算を統合し、現実の研究フローに落とし込む 既存手法で難しい領域(強相関、遷移金属、開殻系、励起・電荷移動など)に対して、量子計算の介入価値を明確化 計算結果を実験・材料探索に接続できる指標(エネルギー差、スペクトル、反応障壁等)として提供 ・顧客・共同研究先との課題解決(PoC, 共同開発) 顧客・研究者の課題をヒアリングし、量子化学・量子計算の観点から解決方針を提案 PoC設計、定期報告、フィードバック反映を通じた反復改善 共同研究を通じた成果の発表(論文、ベンチマーク・デモのPR) ・分野をリードする革新的研究と産業現場での社会実装の両立 最新論文・動向を把握し、実装可能性とインパクトを両立する研究テーマを提案・推進 大学・企業との共同研究を通じ、世界で通用する新技術を創出し、実問題への適用を進める 他チームと連携し、技術のプロダクト化と成果の社会実装を加速