AI Research Scientist - Structured & Spatial Modeling

Job Requisition ID #

25WD89328

The translation into French can be found below!/La traduction en français se trouve ci-dessous !

Position Overview

As an AI Research Scientist at Autodesk Research, you will be doing fundamental and applied research that will help our customers imagine, design, and make a better world.

You'll be joining a rapidly growing team working on a project that aims to revolutionize the design of nearly every aspect of the built environment. Your contributions will directly influence how designers, architects, and engineers interact with AI tools in the future.

This role is fully remote-friendly. Our team operates primarily remotely with team members distributed across the globe, with offices in London, Boston, Toronto and other locations worldwide. At Autodesk, we embrace remote work while fostering connection through regular team offsites for collaborative planning and relationship building. This balanced approach ensures you can work where you're most productive while maintaining meaningful connections with colleagues.

• Develop and lead research on novel ML models for structured generation and multi-modal understanding of complex visual and spatial content
• Review relevant AI/ML literature to identify emerging methods in generative models and autoregressive architectures
• Explore new data sources and discover techniques for leveraging structured representations in design workflows

• A PhD in a field related to AI/ML such as: Computer Science, Mathematics, Statistics, Physics, Linguistics, Mechanical Engineering, Architecture or related disciplines
• Publications in venues such as NeurIPS, ICLR, GECCO, MLSys, JMLR, ICML, IROS, EMNLP, MICCAI, Medical Image Analysis, IEEE TMI, ICDAR, CVPR or other high impact ML conferences and journals
• Strong background applying Deep Learning techniques, particularly generative models and spatial reasoning (including implementing custom architectures, optimizing model performance, developing novel loss functions, and deploying production-ready solutions)
• Strong coding abilities in PyTorch

• Experience in the Architecture, Engineering, and/or Construction domains, including expertise with industry-specific data formats (e.g., BIM models, IFC files, AEC Contract Documents and Drawings) and structured data representation in AEC workflows
• Experience in specialized domains requiring sequential or structured generation of complex spatial annotations, such as medical imaging (autoregressive segmentation, sequential annotation), document layout analysis (technical diagrams, forms, scientific papers), or cartography/GIS (map annotation, symbol placement)
• Experience with LLMs and autoregressive models for structured representations such as code generation, molecular/biological discovery, or other domain-specific sequence modeling
• Multi-modal deep learning and/or information retrieval experience
• Significant post-graduate research experience, or 5 or greater years of work experience (actual job title/position will be commensurate to experience)

• Développer et diriger des recherches sur de nouveaux modèles d'apprentissage automatique pour la génération structurée et la compréhension multimodale de contenus visuels et spatiaux complexes
• Passer en revue la littérature pertinente en matière d'IA/d'apprentissage automatique afin d'identifier les méthodes émergentes dans les modèles génératifs et les architectures autorégressives
• Explorer de nouvelles sources de données et découvrir des techniques permettant d'exploiter les représentations structurées dans les workflows de conception

• Doctorat dans un domaine lié à l'IA/ML, tel que : informatique, mathématiques, statistiques, physique, linguistique, génie mécanique, architecture ou disciplines connexes
• Publications dans des revues telles que NeurIPS, ICLR, GECCO, MLSys, JMLR, ICML, IROS, EMNLP, MICCAI, Medical Image Analysis, IEEE TMI, ICDAR, CVPR ou d'autres conférences et revues de ML à fort impact
• Solide expérience dans l'application des techniques d'apprentissage profond, en particulier les modèles génératifs et le raisonnement spatial (y compris la mise en œuvre d'architectures personnalisées, l'optimisation des performances des modèles, le développement de nouvelles fonctions de perte et le déploiement de solutions prêtes à la production)
• Solides compétences en codage dans PyTorch

• Expérience dans les domaines de l'architecture, de l'ingénierie et/ou de la construction, y compris une expertise des formats de données spécifiques à l'industrie (par exemple, modèles BIM, fichiers IFC, documents contractuels et dessins AEC) et de la représentation structurée des données dans les flux de travail AEC
• Expérience dans des domaines spécialisés nécessitant la génération séquentielle ou structurée d'annotations spatiales complexes, tels que l'imagerie médicale (segmentation autorégressive, annotation séquentielle), l'analyse de la mise en page de documents (diagrammes techniques, formulaires, articles scientifiques) ou la cartographie/SIG (annotation de cartes, placement de symboles)
• Expérience avec les LLM et les modèles autorégressifs pour les représentations structurées telles que la génération de code, la découverte moléculaire/biologique ou d'autres modélisations de séquences spécifiques à un domaine
• Expérience en apprentissage profond multimodal et/ou en recherche d'informations
• Expérience significative en recherche postuniversitaire ou 5 ans ou plus d'expérience professionnelle (le titre/poste réel sera proportionnel à l'expérience)