{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "物质发现算法研究员-AI for Science",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "未披露",
        "location": "上海",
        "work_mode": "未披露",AI生成
        "job_category": "研发"AI生成
    },
    "company": {
        "company_name": "字节跳动",
        "company_industry": "互联网 / 数字内容 / 电商",
        "company_size": "10000人以上",
        "company_website": "bytedance.com",
        "company_description": "字节跳动提供内容创作、信息分发、电商和协作产品，旗下产品包括抖音、今日头条、TikTok和飞书。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "博士学位",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1、开发分子表示学习、分子生成、多模态学习、多目标优化、时序预测等方向的算法与模型；\n2、结合计算化学、物理、材料科学领域知识，设计并实现面向分子性质预测、功能分子设计与优化等场景的高效方案；\n3、与跨学科团队协同，参与从问题定义、理论建模、算法实现到实验验证的全流程研究，产出核心技术专利与顶刊论文。",
        "requirements_text": "1、博士学位，计算机、化学、物理、生物、材料科学等相关专业，具备扎实的跨学科背景；\n2、在机器学习三大会、Nature/Science及其大子刊、化学顶刊（JACS、JCTC等）等主流学术平台，以第一作者发表过高水平论文；\n3、在以下至少一个方向有深入研究与成熟成果：分子表示学习、分子生成、多模态学习、多目标优化、时序预测；\n4、熟练掌握PyTorch，具备高质量代码实现与复现前沿算法的能力；\n5、好奇心与热情驱动，具备攻关难题、长期深耕的研究素养，良好的跨团队沟通与协作能力。",
        "skills": [AI生成
            "PyTorch",
            "机器学习"
        ],
        "preferred_qualifications": "未披露",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://jobs.bytedance.com/experienced/position/7617683064032463109/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7617683064032463109",
        "post_date": "2026-03-16",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/experienced/position/7617683064032463109/detail"
    },
    "fulltext": "物质发现算法研究员-AI for Science\n职位描述\n1、开发分子表示学习、分子生成、多模态学习、多目标优化、时序预测等方向的算法与模型；\n2、结合计算化学、物理、材料科学领域知识，设计并实现面向分子性质预测、功能分子设计与优化等场景的高效方案；\n3、与跨学科团队协同，参与从问题定义、理论建模、算法实现到实验验证的全流程研究，产出核心技术专利与顶刊论文。\n\n职位要求\n1、博士学位，计算机、化学、物理、生物、材料科学等相关专业，具备扎实的跨学科背景；\n2、在机器学习三大会、Nature/Science及其大子刊、化学顶刊（JACS、JCTC等）等主流学术平台，以第一作者发表过高水平论文；\n3、在以下至少一个方向有深入研究与成熟成果：分子表示学习、分子生成、多模态学习、多目标优化、时序预测；\n4、熟练掌握PyTorch，具备高质量代码实现与复现前沿算法的能力；\n5、好奇心与热情驱动，具备攻关难题、长期深耕的研究素养，良好的跨团队沟通与协作能力。\n1、开发分子表示学习、分子生成、多模态学习、多目标优化、时序预测等方向的算法与模型；\n2、结合计算化学、物理、材料科学领域知识，设计并实现面向分子性质预测、功能分子设计与优化等场景的高效方案；\n3、与跨学科团队协同，参与从问题定义、理论建模、算法实现到实验验证的全流程研究，产出核心技术专利与顶刊论文。\n1、博士学位，计算机、化学、物理、生物、材料科学等相关专业，具备扎实的跨学科背景；\n2、在机器学习三大会、Nature/Science及其大子刊、化学顶刊（JACS、JCTC等）等主流学术平台，以第一作者发表过高水平论文；\n3、在以下至少一个方向有深入研究与成熟成果：分子表示学习、分子生成、多模态学习、多目标优化、时序预测；\n4、熟练掌握PyTorch，具备高质量代码实现与复现前沿算法的能力；\n5、好奇心与热情驱动，具备攻关难题、长期深耕的研究素养，良好的跨团队沟通与协作能力。",
    "standard_classification": {
        "std_category_code": "T033",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}