Questa posizione è in R2A Labs Riassunto dell'possibilità da parte della Joinrs AI : R2A Labs ricerca un Software Engineer con laurea in Informatica, Matematica Applicata, Fisica o campo quantitativo correlato , con almeno 2 anni di esperienza.

Il ruolo prevede lo sviluppo e la manutenzione di infrastrutture dati e sistemi software per l'innovativo motore di progettazione che integra simulazione, machine learning e workflow sperimentali. Tra i benefit, la possibilità di partecipare come membro tecnico fondatore con equity significativa in una startup in rapida crescita. Il processo di selezione sarà interamente gestito da R2A Labs.

About R2A R2A Labs è una startup giovane in rapido sviluppo che mira a ridurre la dipendenza da materiali derivati da combustibili fossili utilizzati nella produzione quotidiana. Stiamo creando tecnologie per innovare nei materiali bio-based e sviluppare soluzioni scalabili che competano con i prodotti sintetici in termini di performance e costi. Al centro del lavoro c’è il nostro R2A Lab-in-Loop Engine, un sistema di progettazione che sostituisce i tradizionali esperimenti con simulazioni guidate e sperimentazioni mirate, facilitando lo sviluppo rapido e intelligente di materiali bio-based ad alte prestazioni e producibili.

About the role Il candidato si occuperà di costruire e mantenere le infrastrutture dati e i sistemi software che alimentano il nostro motore di progettazione, integrando simulazioni, machine learning e flussi di lavoro sperimentali.

What you'll do Costruire e mantenere pipeline dati scalabili, unificando dati provenienti da fonti computazionali ed esperimenti, garantendo affidabilità e utilizzabilità

- Sviluppare e mettere in produzione workflow di ML, inclusi modelli surrogate e cicli di ottimizzazione, con focus su robustezza, monitoraggio e performance
- Progettare e estendere architetture dati a supporto di workflow dalla ricerca iniziale fino all’ottimizzazione e all’industrializzazione




- Costruire servizi backend e sistemi di orchestrazione per la gestione di workload computazionali, elaborazione dati ed esecuzione modelli
- Migliorare l’affidabilità del sistema identificando discrepanze tra risultati modello e dati reali, fornendo segnali chiari per iterazioni
- Sviluppare tool interni, dashboard e API per rendere accessibili e utilizzabili dati e output di modelli
- Garantire best practice su qualità del codice, testing, versioning e riproducibilità across il stack tecnico. Your profile Laurea in Informatica, Matematica Applicata, Fisica o campo quantitativo correlato, con minimo 2 anni di esperienza post-laurea in sistemi software dati intensivi (o PhD equivalente)
- Ottima padronanza di Python e comprovata esperienza nella costruzione di pipeline dati robuste da fonti eterogenee
- Capacità di data engineering o data science nella gestione di flussi dati strutturati scalabili dalla fase iniziale alle fasi di ottimizzazione e scalabilità
- Esperienza in ML probabilistico o metodi Bayesiani, preferibile solida esperienza in PyTorch
- Flessibilità a lavorare su vari elementi dello stack: pipeline dati, training modelli, infrastruttura di base e tool interni leggeri
- Curiosità verso sistemi fisici e scienza dei materiali, motivato a sviluppare intuizione scientifica per costruire software adatto al processo di scoperta e industrializzazione dei materiali
- Forte spirito di iniziativa, motivato da sfide complesse e ad alto impatto. Nice to have Familiarità con ML molecolare o sui materiali: reti neurali a grafo, architetture equivarianti o modelli fondazione materiali
- Esperienza con ambienti HPC e infrastruttura di calcolo scientifico
- Conoscenza di modellazione di processo, framework digital twin o workflow di industrializzazione ingegneristica. Why join us? Entra a far parte del team come membro tecnico fondatore, con responsabilità diretta e partecipazione azionaria significativa, contribuendo a lanciare sul mercato materiali ad alte prestazioni con impatto ambientale positivo. [J-ONE] [J-MIN] [J-INTERNAL]

📌 Software Engineer (Milano)
🏢 R2A Labs
📍 Milano