字节跳动CADD/结构生物学/计算生物算法实习生-AML-科学计算

任职要求

1、博士学位在读，结构生物学、CADD、计算生物等相关专业优先；
2、曾在高影响力期刊发表高质量研究成果；
3、广泛且深入的生物领域知识，在结构生物学或药物/蛋白设计方向的丰富经验、深入理解生物分子结构和生物机理、有湿实验和计算工具结合的经验优先；
4、优秀的分析和解决问题的能力，能够面对复杂问题提出合理假设并快速验证解决；
5、对学术研究充满热情，具备快速学习的能力和意愿，能够将专业知识迁移到新工具和新应用场景；
6、良好的沟通和团队合作能力，认真负责的工作态度。

工作职责

日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。
团队介绍：科学计算团队成员来自于机器学习、分子动力学模拟、量子化学、计算材料、高性能计算等领域，我们结合深度学习、计算化学、高通量计算等手段，探索解决生物、物理、材料等自然科学领域的挑战性难题，也在实际应用中证明价值。
我们重点关注生物、材料领域，解决其中的挑战性难题：
- 探索前沿的分子动力学模拟、增强采样、自由能和其他性质计算方法，并规模化应用在药物和材料发现中；
- 覆盖多样的生物、材料体系的经验力场和机器学习力场，结合实验数据和大量高精度量子化学数据，解决复杂体系的精确模拟和性质预测问题；
- 构建生物场景蛋白、核酸、有机小分子等体系的通用模型，解决结构预测、构象生成、性质预测、分子生成等问题；
- 结合大语言模型和多模态能力，解决生物、材料领域的实际挑战；
- 开发高效的DFT计算框架，解决复杂体系的量化计算问题。

课题介绍：随着计算能力的指数级增长，分子动力学、量子化学、深度学习和大语言模型的融合加速，推动了科学研究范式的突破。分子动力学结合量子化学与机器学习，在药物与材料领域展现出强大潜力；蛋白质语言模型利用大规模序列与结构数据，提升蛋白质建模、功能预测、构象预测及生成式设计的效率与准确性。同时，深度学习通过架构、数据和适用体系的扩展（Scaling），在复合物结构预测、蛋白与药物设计等问题上发挥越来越重要的作用，帮助解决过去难以克服的复杂科学挑战。此外，量子化学结合深度学习、量子嵌入与量子计算，实现多电子系统的精确建模，推动新一代物理化学技术的发展。这些创新不仅带来了理论突破，也在药物与材料研发等实际应用中展现出巨大价值。

结构是理解生命过程与实现药物理性设计的关键基础。我们致力于构建以结构为中心的多模态生物分子基础模型，采用统一架构支撑复合物结构预测、功能建模与分子设计等关键任务。依托紧密的团队协作，我们融合机器学习、结构生物学、计算化学与CADD等多学科方法，结合强大的计算资源与工程化能力，构建高精度、具备泛化能力的生物分子基础模型，推动领域实现突破性进展。

1、加入背景多元的研究团队，和机器学习、计算化学、计算生物等领域的团队成员密切配合，通过团队合作来追求重量级成果；
2、参与构建和优化覆盖全生物分子类型的复合物结构预测模型，共同定义和开发下一代复合物结构预测模型；
3、跟踪研究领域的最新进展，与团队共同建立广泛深入的专业认知；
4、通过广泛合作验证和推广计算工具，创造学术与社会价值。