字节跳动
校招AI分子动力学算法研究员 - AI for Science
深圳/北京/上海 · 校招 · 2027 届 · 博士
长期有效
任职要求
- 2027届获得博士学位，计算机、数学、物理、化学、材料等相关专业
- 具有良好的沟通和团队合作能力，主动的学习意愿和认真负责的工作态度
- 熟练掌握至少一种编程语言（Python/C/C++/CUDA/Triton等），有扎实的工程能力，善于调度Coding Agent开发
- 满足以下任一条件：
- 1）熟悉量子化学算法，有DFT/Post-HF计算工具/算法开发经验
- 2）熟悉MD计算引擎开发，有修改lammps或OpenMM源代码的经验
- 3）熟悉机器学习算法，对LLM、RL、Agent、生成模型等至少一个方向有实操经验
- 4）熟悉固体物理，对材料计算模拟和MLIP开发有实操经验
- 5）熟悉统计力学与增强采样算法，有扎实的专业知识和开发能力
- 有相关领域顶刊论文，或有工业界实战经验者优先。
岗位描述
团队介绍：AI for Science 团队专注于科学计算与物质发现领域的前瞻技术探索，围绕生物和材料领域基础模型、量子化学、AI分子动力学、高通量实验技术等方向，用 AI 推动科学领域的研究范式突破，也在实际应用场景中创造价值。我们希望用 AI 赋能科学，探索 AI 在科研领域的变革，拓展人类认知边界！
- 1、加入背景多元的科学计算研究团队，解决生物、材料等领域的挑战性难题；
- 2、跟进AI for Science领域在生物、材料、量子化学、智能体等领域的最新进展。
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。