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
Join the lab
우리 연구실에 관심이 있다면, 먼저 그룹 가이드를 읽어보시길 바랍니다. 연구실이 중요하게 생각하는 가치와 제가 연구 및 멘토링에 대해 어떤 방식을 가지고 있는지 확인하길 바랍니다.
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 내용을 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.
현재 모집 중인 박사후연구원 채용은 연구 주제별로 이 페이지에 공고됩니다. 새로운 모집이 시작되면 본 페이지를 통해 안내드리겠습니다.
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 가이드를 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 연구생으로 연구에 참여하고 싶은 학생은 연구실 홈페이지의 연구 분야와 최근 논문을 살펴본 후, 관심 있는 연구 주제를 함께 작성하여 이메일로 문의해 주시기 바랍니다. 3–4학년 학생의 경우 인공지능 소재화학 과목을 수강한 학생을 우선적으로 선발할 수 있습니다. 연구 경험이 없어도 배우려는 의지와 성실한 태도를 갖춘 학생이라면 언제든 환영합니다. 특히 대학원 진학을 고려하고 있는 학생들의 적극적인 지원을 환영합니다.
짧은 방학 기간 동안 새로운 인공지능 모델을 개발하여 의미 있는 연구 성과를 얻는 것은 쉽지 않습니다. 반면, 인공지능 연구에서 가장 중요한 기반은 양질의 데이터입니다. 따라서 단기 학부 연구생은 데이터베이스 구축이나 데이터 품질 향상과 같은 프로젝트를 수행하는 경우가 많습니다. 이러한 작업은 다소 반복적으로 느껴질 수 있지만, 새로운 인공지능 모델과 연구 성과를 가능하게 하는 가장 중요한 출발점입니다.
방학 이후에도 지속적으로 연구에 참여할 의사가 있는 학생에게는 프로젝트의 진행 상황과 역량을 고려하여 머신러닝 모델 개발, 알고리즘 구현 등 보다 심화된 연구 주제를 제공합니다.
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
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
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
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