Positions

우리 연구실에 관심이 있다면, 먼저 그룹 가이드 (새 탭에서 열림)를 읽어보시길 바랍니다. 연구실이 중요하게 생각하는 가치와 제가 연구 및 멘토링에 대해 어떤 방식을 가지고 있는지 확인하길 바랍니다.

그룹 가이드 (새 탭에서 열림) jjoung@kookmin.ac.kr

박사후연구원 (Postdoctoral Researcher)

박사후연구원(Postdoctoral Researcher) 지원을 희망하는 분은 CV와 연구 관심 분야 및 연구 경험을 간략히 소개한 내용을 이메일로 보내주시기 바랍니다. 또한 본인의 장기적인 연구 목표와 우리 연구실에서 이루고 싶은 연구 및 배우고 싶은 내용, 그리고 본인의 전문성이 연구실에서 진행 중인 과제에 어떻게 기여할 수 있는지를 함께 작성해 주시기 바랍니다. 현재 연구실에 박사후연구원 자리가 없더라도 지원 자료는 보관하며, 향후 적합한 자리가 생길 경우 개별적으로 연락드릴 수 있습니다. 독립적인 연구비 또는 펠로우십을 확보하고 있는 경우에는 이를 함께 알려주시기 바랍니다.

박사후연구원은 자신의 프로젝트를 독립적으로 설계하고 이끌어 갈 수 있는 분을 찾습니다. 새로운 방법을 배우는 것과 기존 전문성으로 기여하는 것이 함께 이루어지는 자리이며, 연구실의 지도 아래 새로운 분야를 처음부터 익히는 자리는 아닙니다. 필요한 역량은 프로젝트마다 다르므로, 각 모집 공고에 개별적으로 명시합니다.

현재 모집 중인 박사후연구원 채용은 연구 주제별로 이 페이지에 공고됩니다. 새로운 모집이 시작되면 본 페이지를 통해 안내드리겠습니다.

대학원생

우리 연구실은 매년 1–3명의 대학원생을 선발할 예정이며, 모집 인원은 연구실의 연구 주제와 연구비 상황에 따라 달라질 수 있습니다. 연구실에 관심이 있는 학생은 지원 전에 그룹 가이드 (새 탭에서 열림)를 읽어보고, 연구 관심 분야와 진로 목표가 연구실과 잘 맞는지 충분히 검토한 후 지원하시기를 권장합니다. 특히, 가이드에 IDP를 작성하여 지원하기 전에 저에게 메일을 보내 상담하길 바랍니다.

학부 연구생

학부 연구생으로 연구에 참여하고 싶은 학생은 연구실 홈페이지의 연구 분야와 최근 논문을 살펴본 후, 관심 있는 연구 주제를 함께 작성하여 이메일로 문의해 주시기 바랍니다. 참여 경로는 방학 UROP, 방학 연구 인턴십, 학기 중 연구참여과정(학점) 세 가지가 있으며, 각 프로그램의 일정과 요건은 그룹 가이드 (새 탭에서 열림)를 참고하세요. 3–4학년의 경우 인공지능 소재화학 과목을 수강한 학생을 우선 선발할 수 있지만, 코딩 경험이 전혀 없어도 괜찮습니다. 배우려는 의지와 성실한 태도를 갖춘 학생이라면 언제든 환영하며, 특히 대학원 진학을 고려하는 학생의 지원을 환영합니다.

처음 오는 학생은 모두 연구실에서 만든 6권의 교재로 자습 프로그램을 거칩니다. 방학에 시작하면 6주 동안 매일 오전에는 읽고 따라 치고, 오후에는 연습문제를 푸는 방식으로 진행하며, 학기 중에 시작하면 수업을 고려하여 같은 내용을 16주에 걸쳐 진행합니다. 교재는 파이썬과 논문 읽는 법에서 출발하여, 연구실 논문의 딥러닝 모델을 처음부터 재현해 보고, 문헌에서 실험값을 모아 자기만의 분자–물성 데이터셋을 직접 구축한 뒤, 그 데이터로 모델을 세워 성능을 측정하고, 마지막에 결과를 화학적으로 해석하여 그룹미팅 발표로 마무리하는 순서로 짜여 있습니다. 코딩을 한 번도 해 본 적 없는 학생이 프로그램이 끝날 때 자기 손으로 만든 데이터베이스, 그 데이터로 학습한 모델, 그리고 그 모델을 스스로 평가한 발표 자료를 가지고 나가도록 설계되어 있습니다. 이 과정은 화학에 인공지능이 어떻게 쓰이는지를 직접 손으로 겪어 보는 시간이며, 그 자체로 UROP·인턴십·연구참여과정 한 사이클의 결과물이 됩니다.

자습 프로그램 이후에도 연구실에 남아 연구를 이어가고 싶은 학생에게는 아래의 개별 프로젝트를 하나씩 맡깁니다. 이 단계부터는 멘토(주로 대학원생)와 매주 만나며 진행하고, 진행 상황과 역량에 따라 머신러닝 모델 개발이나 알고리즘 구현 같은 심화 주제로 넓혀 갑니다. 학기 중에는 수업과 병행해야 하므로, 일주일에 몇 시간을 투자할 수 있는지 미리 현실적으로 조율한 뒤 프로젝트 범위를 정합니다.

자습 프로그램 이후 개별 프로젝트

1. FlowER 반응 예측 모델을 위한 데이터셋 확장

최신 인공지능 모델의 성능은 알고리즘보다도 데이터의 질과 규모에 크게 좌우됩니다. FlowER가 더 다양한 유기 반응과 반응 메커니즘을 학습할 수 있도록 새로운 반응 데이터를 구축하고 검증하는 연구를 수행합니다.

필요 지식: 유기화학

2. IR / Raman / MS / NMR 스펙트럼–분자구조 데이터베이스 구축

분자의 스펙트럼만으로 분자구조를 예측하는 것은 분석화학의 핵심 목표 중 하나입니다. 이를 위한 인공지능 모델은 대규모의 스펙트럼–분자구조 대응 데이터를 필요로 합니다. 실제 문헌과 공개 데이터베이스를 활용하여 AI 학습용 데이터셋을 구축하는 연구를 수행합니다.

필요 지식: 유기화학, 유기소재분광학

3. LLM 기반 문헌 데이터 추출 자동화 플랫폼 개발

화학 논문에는 머신러닝에 활용할 수 있는 데이터가 방대하게 존재하지만, 사람이 직접 수집하기에는 많은 시간이 소요됩니다. 최신 LLM을 활용하여 문헌으로부터 화학 데이터를 자동으로 추출하고 구조화하는 플랫폼을 개발합니다.

필요 지식: Python 프로그래밍과 LLM 활용에 대한 관심

4. AI for Chemistry를 위한 신규 데이터베이스 구축

다양한 화학 데이터를 체계적으로 구축하고 품질을 관리하는 연구를 수행합니다. 데이터베이스는 모든 AI 모델의 출발점이며, 잘 구축된 데이터는 새로운 연구와 논문의 기반이 됩니다.

필요 지식: 화학에 대한 기본 지식과 꼼꼼함