Internship の求人一覧 - MI-6株式会社

About MI-6 / MI-6についてWe aim to transform R&D by making Materials Informatics widely accessible and by creating a new research experience where digital and physical processes are deeply connected.MI-6は、「“マテリアルズ・インフォマティクス”を普及し、研究開発を革新する」をミッションに、デジタルとフィジカルが融合した新しい研究開発体験の実現を目指しています。Our core solutions include:MI-6では、主に以下の3つのソリューションを提供しています。miHub®, an MI platform that manages research data and context to accelerate hypothesis testing 研究データと文脈を統合管理し、仮説検証を加速するMIプラットフォーム「miHub®」Hands-on MI®, where our data scientists work directly with materials researchers from problem discovery to predictive modelling データサイエンティストが材料開発者と協働し、課題探索から予測モデル構築までを担う「Hands-on MI®」Lab Automation, which connects experimental equipment, measurement systems, and data infrastructure to extend physical R&D processes through software 実験装置・計測系・データ基盤を結びつけ、研究のフィジカルプロセスをソフトウェアで拡張する「Lab Automation」By integrating these capabilities, we enable researchers to move fluidly between data, experiments, and algorithms, creating an environment where ideas can be tested and refined more effectively.これらを単体の技術としてではなく、統合された研究開発体験として提供することで、研究者がデータ、実験、アルゴリズムを自由に行き来しながら発想・検証できる環境を実現しています。Example Internship Themes / インターンシップで取り組むテーマ例Internship themes will be designed based on your interests, skills, and background. Example themes include:応募者の関心やスキルに応じて、以下のようなテーマを設定します。1. Research Data Analysis / 研究データ解析Integrated analysis of experimental data, measurement data, and research context in materials development projects 材料開発プロジェクトにおける実験データ・計測データ・研究文脈の統合解析Feature engineering, time-series analysis, and image data processing 特徴量設計、時系列データ解析、画像データ処理Visualisation and model validation to support hypothesis generation and decision-making 仮説生成や意思決定を支援する可視化・モデル検証Interpretation of experimental results, reliability assessment, and uncertainty analysis 実験結果の解釈、信頼性評価、不確実性の分析2. AI and Algorithm Development for Materials R&D / 材料開発を加速するAI・アルゴリズム開発Implementation of Bayesian optimisation, machine learning models, and uncertainty estimation ベイズ最適化、機械学習モデリング、不確実性推定の実装Feature engineering for materials and chemical data 材料・化学データに適した特徴量設計Model development using computational science simulations and physical/chemical domain knowledge 計算科学シミュレーションや物理化学的知見を活用したモデル開発Use of LLMs for structuring research context, supporting experimental design, and extracting knowledge LLMを用いた研究文脈の構造化、実験計画支援、知識抽出3. Lab Automation and Experimental Data Infrastructure / ラボオートメーション・実験データ基盤開発Development of software that connects experimental equipment, measurement systems, and data infrastructure 実験装置、計測機器、データ基盤を接続するソフトウェア開発Automated collection and structuring of experimental logs, measurement data, and metadata 実験ログ、計測データ、メタデータの自動収集・構造化Design of researcher-friendly experimental workflows and data entry experiences 研究者が使いやすい実験ワークフロー・データ入力体験の設計Development of mechanisms that connect AI and optimisation algorithms with physical experimentation AIや最適化アルゴリズムと実験プロセスを接続する仕組みの開発Selection Process / 選考フローThe selection process consists of document screening followed by one interview.書類選考後、面接を1回実施します。Application Materials / 提出資料Please submit any relevant materials that demonstrate your experience and skills, such as:応募時には、以下のうち可能なものを添付してください。Resume or CV 履歴書またはCVResearch achievements, papers, or presentation materials 研究実績、論文、発表資料Technical slides or portfolio 技術スライド、ポートフォリオGitHub, technical blog, OSS contributions, or links to development outputs GitHub、技術ブログ、OSS活動、開発成果物のURLAny other materials that show your past work その他、これまでのアウトプットが分かる資料References / 参考情報Careers / 採用サイト: https://recruit.mi-6.co.jp/miHub® Product Site / MIプラットフォーム miHub® 製品サイト: https://mihub.mi-6.co.jp/