KR | EN

Members

Open Positions 연구원 모집

Our Computational Science Laboratory is currently accepting applications for Ph.D., M.S., and Undergraduate research positions. These opportunities involve conducting cutting-edge research in mathematical optimization and machine/deep learning to address complex scientific and engineering challenges.
Computational Science Laboratory에서는 현재 박사, 석사 및 학부 연구생을 모집하고 있습니다. 우리 연구실은 수학적 최적화와 머신러닝/딥러닝을 활용하여 복잡한 과학 및 공학적 난제를 해결하는 최첨단 연구를 수행하고 있습니다.

M.S. Students 석사 과정

  • Taeyoung Jang 장태영

Undergraduate Researchers 학부 연구생

  • Yunsang Park 박윤상
  • Chanhoe Kim 김찬회
  • Yunwoo Lee 이윤우

Alumni 졸업생

  • Juhyun Yeom (M.S. Student, Yonsei University) 염주현 (연세대학교 석사 과정)
  • Jiho Han (Hanwha Robotics Bootcamp) 한지호 (한화 로보틱스 부트캠프)

Professor

Hyun-Myung Woo, Ph.D.

Assistant Professor
Department of Biomedical & Robotics Engineering
Incheon National University

우현명

조교수
바이오-로봇 시스템 공학과
인천대학교

Education

  • Ph.D. in Electrical & Computer Engineering
    Texas A&M University, 2022
  • M.S. in Computer Science
    Yonsei University, 2010
  • B.A. of Engineering (Summa Cum Laude)
    Yonsei University, 2008

학력

  • 전기 및 컴퓨터 공학 박사 (Ph.D.)
    Texas A&M University, 2022
  • 컴퓨터 과학 석사 (M.S.)
    연세대학교, 2010
  • 공학 학사 (수석 졸업)
    연세대학교, 2008

Selected Experience

  • Assistant Professor
    Incheon National University, 2023 - Present
  • Research Associate
    Brookhaven National Laboratory, 2022 - 2023
  • Senior Researcher
    LG Electronics, 2016 - 2017
  • Embedded Software Engineer
    IDIS, 2010 - 2013

주요 경력

  • 조교수
    인천대학교, 2023 - 현재
  • 연구원
    미국 브룩헤이븐 국립 연구소, 2022 - 2023
  • 주임연구원
    LG 전자, 2016 - 2017
  • 임베디드 소프트웨어 엔지니어
    아이디스, 2010 - 2013

Honors & Awards

  • Outstanding Paper
    KIIS 2025 Fall Conference, 2025
  • Academic Research Award
    Incheon National University, 2024
  • Excellence in Teaching Award
    Incheon National University, 2024
  • Best Paper Award
    KIIECT Fall Conference, 2009
  • The Grand Prize
    IDIS & ETNEWS Paper Contest, 2009
  • Summa Cum Laude
    Yonsei University, 2008
  • Academic Excellence Scholarship
    Yonsei University, 2005 - 2007

수상 경력

  • 우수 논문상
    KIIS 2025 추계 학술대회, 2025
  • 학술 연구상
    인천대학교, 2024
  • 우수 강의상
    인천대학교, 2024
  • 우수 논문상
    KIIECT 추계 학술대회, 2009
  • 최우수상
    아이디스(IDIS) & 전자신문 논문 공모전, 2009
  • 최우등 졸업 (Summa Cum Laude)
    연세대학교, 2008

Invited Talks

  • Accelerating Bayesian Optimal Experimental Design using Deep Learning
    Inha University, Apr 2025
  • Designing and Optimizing High-Throughput Virtual Screening Pipelines
    KIIS Spring Conference (Special Session), Apr 2025
  • Optimal Computational Screening Campaign
    Yonsei University, Oct 2024
  • Accelerating Objective-Driven Optimal Experimental Design using Machine Learning
    Yonsei University, Oct 2023
  • Accelerating Objective-Driven Optimal Experimental Design using Machine Learning
    Sungkyunkwan University, Apr 2023
  • Optimal Decision Making in High-Throughput Virtual Screening Pipelines
    BioSeminar @ Texas A&M University, Apr 2022
  • Optimal Decision Making for Accelerating Scientific Discovery
    CSI Seminar @ Brookhaven National Laboratory, Mar 2022
  • Machine Learning Enabled Adaptive Wireless Power Transmission System
    BioSeminar @ Texas A&M University, Oct 2020
  • Accurate Biological Network Alignment through Iterative Optimal Mapping
    BioSeminar @ Texas A&M University, Oct 2019

초청 강연

  • Accelerating Bayesian Optimal Experimental Design using Deep Learning
    인하대학교, 2025년 4월
  • Designing and Optimizing High-Throughput Virtual Screening Pipelines
    한국지능시스템학회(KIIS) 춘계 학술대회 특별세션, 2025년 4월
  • Optimal Computational Screening Campaign
    연세대학교, 2024년 10월
  • Accelerating Objective-Driven Optimal Experimental Design using Machine Learning
    연세대학교, 2023년 10월
  • Accelerating Objective-Driven Optimal Experimental Design using Machine Learning
    성균관대학교, 2023년 4월
  • Optimal Decision Making in High-Throughput Virtual Screening Pipelines
    텍사스 A&M 대학교 (BioSeminar), 2022년 4월
  • Optimal Decision Making for Accelerating Scientific Discovery
    브룩헤이븐 국립 연구소 (CSI Seminar), 2022년 3월
  • Machine Learning Enabled Adaptive Wireless Power Transmission System
    텍사스 A&M 대학교 (BioSeminar), 2020년 10월
  • Accurate Biological Network Alignment through Iterative Optimal Mapping
    텍사스 A&M 대학교 (BioSeminar), 2019년 10월

Teaching

  • Deep Learning (4-1)
  • Image Signal Processing (4-2)
  • Digital Signal Processing (3-2)
  • Probability and Statistics (3-1)
  • Electromagnetics (2-2)
  • Calculus I (1-1)

강의

  • 딥러닝 (4-1)
  • 영상신호처리 (4-2)
  • 디지털신호처리 (3-2)
  • 확률과 통계 (3-1)
  • 전자기학 (2-2)
  • 대학수학 I (1-1)

Publications

16 Journal Publications 저널 논문  •  11 Conference Papers 학회 논문  •  2 Under Review 심사 중

Under Review 심사 중인 논문

  • [2] Adaptive Sequence-to-Sequence Learning for Long-Term PMSM Temperature Prediction
    Jun Young Lee, Hyun-Myung Woo, Hyundoo Jeong
  • [1] A framework for parametric and predictive uncertainty quantification in the E3SM Land Model: Assessing the impact of site and observable heterogeneity
    Jiang, Z., Isenberg, N.M., Subba, T., Woo, H.-M., Serbin, S.P., Urban, N.M., Kuang, C.
    Authorea Preprints, 2025

Journal Publications 저널 논문

  • [16] Integrating Patient-Derived Organoids and Personalized Immunotherapy for Precision Pancreatic Cancer Management
    Wonmin Lee¶, Hyun-Myung Woo¶, Ja Hyang Cho and Man S. Kim
    Fronteirs in Oncology, 2025
  • [15] PixelCut: A Unified Solution for Zero-Configuration 16S rRNA Trimming via Computer Vision
    Doingin Kim, Woo Jin Kim, Hyun-Myung Woo¶, Hyundoo Jeong¶
    Current Issues in Molecular Biology, 2025
  • [14] Effect of Mechanical Environment Alterations in 3D Stem Cell Culture on the Therapeutic Potential of Extracellular Vesicles
    Kang, W.Y., Jung, S., Jeong, H., Woo, H.-M., Kang, M.-H., Bae, H., Cha, J.M.
    Biomaterials Research, 2025
  • [13] Optimal Decision Making in High-Throughput Virtual Screening Pipelines
    Woo, H.-M., Qian, X., Tan, L., Jha, S., Alexander, F. J., Dougherty, E. R., Yoon, B.-J.
    Patterns, 2023
  • [12] Neural Message Passing for Optimal Experimental Design in Complex Uncertain Systems
    Chen, Q., Chen, X., Woo, H.-M., Yoon, B.-J.
    Engineering Applications of Artificial Intelligence, 2023
  • [11] Optimal High-Throughput Virtual Screening Pipeline for Efficient Selection of Redox-Active Organic Materials
    Woo, H.-M.¶, Allam, O.¶, Chen, J., Jang, S. S., Yoon, B.-J.
    iScience, 2023
  • [10] AI-Enabled, Implantable, Multichannel Wireless Telemetry for Photodynamic Therapy
    Kim, W. S.¶, Khot, M. I.¶, Woo, H.-M.¶, Hong, S., Baek, D.-H., Maisey, T., Daniels, B., Coletta, P., Yoon, B.-J., Jayne, D., Park, S. I.
    Nature Communications, 2022
  • [9] Accelerating Optimal Experimental Design for Robust Synchronization of Uncertain Kuramoto Oscillator Model Using Machine Learning
    Woo, H.-M., Hong, Y., Kwon, B., Yoon, B.-J.
    IEEE Transactions on Signal Processing
  • [8] MONACO: Accurate Biological Network Alignment Through Optimal Neighborhood Matching Between Focal Nodes
    Woo, H.-M., Yoon, B.-J.
    Bioinformatics, 2020
  • [7] A Novel Approach Using an Inductive Loading to Lower the Resonant Frequency of a Mushroom-Shaped High Impedance Surface
    Gu, M., Vorobiev, D., Kim, W. S., Chien, H.-T., Woo, H.-M., Hong, S. C., Park, S. I.
    Progress In Electromagnetics Research M, 2020
  • [6] NAPAbench 2: A Network Synthesis Algorithm for Generating Realistic Protein-Protein Interaction (PPI) Network Families
    Woo, H.-M.¶, Jeong, H.¶, Yoon, B.-J.
    PLOS ONE, 2020
  • [5] Reduced Complexity ML Signal Detection for Spatially Multiplexed Signal Transmission Over MIMO Systems With Two Transmit Antennas
    Woo, H.-M., Kim, J., Yi, J.-H., Cho, Y.-S.
    IEEE Transactions on Vehicular Technology, 2010
  • [4] A Computationally Efficient ML Signal Detection Technique for MIMO Systems With Two Spatial Streams
    Woo, H.-M., Kim, J., Yi, J.-H., Choi, S. Y., Cho, Y.-S.
    SK Telecom Review, 2009
  • [3] A Computationally Efficient Search Space for QRM-MLD Signal Detection
    Hur, H., Woo, H.-M., Yang, W.-Y., Bahng, S. J., Park, Y.-O., Kim, J.
    IEICE Transactions on Communications, 2009
  • [2] A Novel Soft Output Generation Method for Spatially Multiplexed MIMO Systems
    Hur, H., Woo, H.-M., Bahng, S. J., Park, Y.-O., Kim, J.
    KICS Journal, 2008
  • [1] An Improved Search Space for QRM-MLD Signal Detection
    Hur, H., Woo, H.-M., Yang, W.-Y., Bahng, S. J., Park, Y.-O., Kim, J.
    KICS Journal, 2008

Conference Papers 학술대회 논문

  • [11] Enabling machine learning-assisted discovery of polyamines for solid-state CO₂ capture
    A N M Nafiz Abeer, Junhe Chen, Alif Bin Abdul Qayyum, Zhihao Feng, Hyun-Myung Woo, Seung Soon Jang, and Byung-Jun Yoon
    NeurIPS 2025 Workshop on Tackling Climate Change with Machine Learning, 2025
  • [10] Accelerated discovery of high-performance polyamines for solid-state direct CO₂ capture via efficient simulations and Bayesian optimization
    Junhe Chen, A N M Nafiz Abeer, Alif Bin Abdul Qayyum, Zhihao Feng, Hyun-Myung Woo, Byung-Jun Yoon, and Seung Soon Jang
    NeurIPS 2025 Workshop on AI for Accelerated Materials Design (AI4Mat), 2025
  • [9] AI-Enabled High-Throughput Wireless Telemetry for Effective Photodynamic Therapy
    Kim, W.S., Woo, H.-M., Khot, M.I., Hong, S., Jayne, D.G., Yoon, B.-J., Park, S.I.
    55th Asilomar Conference on Signals, Systems, and Computers, 2021
  • [8] Network-Based RNA Structural Alignment Through Optimal Local Neighborhood Matching
    Woo, H.-M., Yoon, B.-J.
    Asilomar Conference on Signals, Systems, and Computers, 2020
  • [7] Machine Learning Enabled Adaptive Wireless Power Transmission System for Neuroscience Study
    Hyun-Myung Woo, Woo Seok Kim, Sungcheol Hong, Vivekanand Jeevakumar, Clay M. Smithhart, Theodore J. Price, Byung-Jun Yoon, and Sung Il Park
    Asilomar Conference on Signals, Systems, and Computers, 2020
  • [6] Comprehensive Updates in Network Synthesis Models to Create An Improved Benchmark for Network Alignment Algorithms
    Hyun-Myung Woo, Hyundoo Jeong, and Byung-Jun Yoon
    ACM International Conference on Bioinformatics, Computational Biology, and Health Informatics (BCB), 2018
  • [5] Reduced complexity ML signal detection for spatially multiplexed signal transmission over MIMO systems with two transmit antennas
    Hyun-Myung Woo and Jaekwon Kim
    KIIECT Fall Conference, 2009
  • [4] Reduced complexity ML signal detection for spatially multiplexed signal transmission over MIMO systems with two transmit antennas
    Hyun-Myung Woo and Jaekwon Kim
    KIISE Gangwon Branch Conference, 2009
  • [3] Reduced complexity ML signal detection for spatially multiplexed signal transmission over MIMO systems with two transmit antennas
    Hyun-Myung Woo, Jaekwon Kim, J. H. Yi, and Yong-Soo Cho
    JCCI, 2009
  • [2] A Comparative Studies of Channel Shortening Techniques for OFDM System
    Hyun-Myung Woo and Jaekwon Kim
    KIIECT Summer Conference, 2008
  • [1] An Improved Search Space for QRM-MLD Signal Detection
    Hoon Hur, Hyun-Myung Woo, W. Y. Yang, S. J. Bahng, Y. O. Park, and Jaekwon Kim
    JCCI, 2008

Research

Overview

Our laboratory, the Computational Science Laboratory (CSL), focuses on developing innovative computational methods at the intersection of Machine Learning, Optimization, and Scientific Discovery. We aim to create intelligent systems that can autonomously make optimal decisions in complex scientific and engineering domains, ranging from neuro-engineering and medical AI to autonomous material discovery and robotics.
계산 과학 연구실(Computational Science Laboratory, CSL)은 머신러닝(Machine Learning), 최적화(Optimization), 그리고 과학적 발견의 교차점에서 혁신적인 계산 방법론을 연구합니다. 우리는 신경 공학, 메디컬 AI부터 자율 소재 탐색 및 로보틱스에 이르는 복잡한 과학/공학 영역에서, 자율적으로 최적의 의사 결정을 내릴 수 있는 지능형 시스템을 개발하는 것을 목표로 합니다.

Research Areas

I. Autonomous Scientific Discovery & AI for Science
Accelerated Material Discovery and Self-Driving Labs

We integrate Generative AI, Bayesian Optimization, and Reinforcement Learning to revolutionize the scientific method. We build autonomous agents that can hypothesize, experiment, and discover novel materials at unprecedented speeds.

  • Self-Evolving High-Throughput Screening (HTVS)
    Constructing autonomous pipelines that optimize the search for Net-Zero materials (e.g., Carbon Capture, Batteries) using Reinforcement Learning and Deep Surrogate Models to maximize Return-on-Computational-Investment (ROCI).
    [Related Research] Self-Evolving HTVE Pipeline, Optimal Decision Making in HTVS
  • Generative Design & Physics-Informed ML
    Utilizing Generative AI (Diffusion, Flow Matching) and Physics-Informed Neural Networks (PINNs) to design novel molecules and predict material properties with extremely limited data (Few-shot learning).
    [Related Research] Physics-Informed Few-Shot Learning, Adaptive Embedding Space Learning
  • Biological Network Intelligence
    Developing graph-theoretic algorithms (e.g., NAPAbench, MONACO) to synthesize and align massive protein interaction networks, uncovering evolutionary mechanisms and potential drug targets.
    [Related Research] Realistic PPI Network Generation, Optimal Neighborhood Matching for Network Alignment

I. 자율 과학 탐구 및 AI 기반 소재 발견
Accelerated Material Discovery and Self-Driving Labs

생성형 AI(Generative AI), 베이지안 최적화(Bayesian Optimization), 그리고 강화학습(Reinforcement Learning)을 결합하여 과학적 연구 방법론의 혁신을 주도합니다. 우리는 인간의 개입 없이 스스로 가설을 세우고 신소재를 발굴하는 자율 에이전트를 구축합니다.

  • 자율 진화형 고효율 가상 탐색 (Self-Evolving HTVS)
    강화학습(Reinforcement Learning)과 딥러닝 대리 모델(Deep Surrogate Model)을 이용해 탄소 포집 소재나 배터리 전해질과 같은 Net-Zero 소재 탐색 효율(ROCI)을 극대화하는 자율 파이프라인을 구축합니다.
    [관련 연구] 자율 진화형 고효율 가상 탐색 파이프라인, 가상 선별 파이프라인을 위한 최적 의사결정
  • 생성형 설계 및 물리 정보 기반 머신러닝 (Physics-Informed ML)
    생성형 AI(Generative AI)와 물리 정보 신경망(PINN)을 활용하여, 극소량의 데이터(Few-shot)만으로도 물리 법칙을 만족하는 새로운 분자를 설계하고 물성을 예측합니다.
    [관련 연구] 물리 정보 기반 퓨샷 러닝 대리 모델링, 적응형 임베딩 공간 학습
  • 생물학적 네트워크 인텔리전스
    거대 단백질 상호작용 네트워크를 합성하고 정렬하는 그래프 알고리즘(NAPAbench, MONACO 등)을 개발하여, 진화적 메커니즘을 규명하고 신약 타겟을 발굴합니다.
    [관련 연구] 현실적인 PPI 네트워크 생성 알고리즘, 최적 이웃 매칭 기반 네트워크 정렬

II. Biomedical AI & Neuro-Engineering
Brain-Computer Interface (BCI), Medical Imaging, and Digital Therapeutics

We apply state-of-the-art Deep Learning and Meta-Learning techniques to decode complex bio-signals and analyze medical images. Our goal is to realize hyper-personalized healthcare and intuitive brain-computer interfaces.

  • Neuro-AI Fusion for Digital Therapeutics
    Developing closed-loop neuromodulation systems that treat sleep apnea and other disorders by real-time sensing of bio-signals and delivering precise electrical stimulation.
    [Related Research] Neuro-AI Fusion Digital Neurostimulator, sEMG-based Anomaly Detection
  • Next-Gen Brain-Computer Interface (BCI)
    Utilizing Meta-Learning and lightweight CNNs (e.g., EEGNet) to classify motor imagery EEG signals (including tongue movement) with few-shot adaptation, enabling hands-free device control for patients.
    [Related Research] Meta-learning based Tongue Motor Imagery Classification
  • Multimodal Medical Imaging Analysis
    Applying Multi-task Learning and Vision Transformers (ViT) to 3D Micro-CT and medical scans for automated diagnosis of osteoporosis and bone micro-structure analysis.
    [Related Research] Multi-task learning for 3D Bone Parameters, Deep Learning-based Implantable PDT System

II. 바이오메디컬 AI 및 신경 공학
Brain-Computer Interface (BCI), Medical Imaging, and Digital Therapeutics

최첨단 딥러닝(Deep Learning) 및 메타러닝(Meta-Learning) 기술을 응용하여 복잡한 생체 신호를 해독하고 의료 영상을 분석합니다. 우리는 초개인화된 디지털 헬스케어와 직관적인 뇌-컴퓨터 인터페이스(BCI) 실현을 목표로 합니다.

  • 차세대 뇌-컴퓨터 인터페이스 (BCI)
    메타러닝(Meta-Learning)과 경량 CNN(EEGNet)을 활용하여 적은 데이터로도 사용자의 뇌파 특성에 적응, 혀 운동 상상 등을 분류하여 사지 마비 환자를 위한 핸즈프리 기기 제어 기술을 연구합니다.
    [관련 연구] 메타러닝 기반의 혀 운동 상상 뇌파 분류
  • 멀티모달 메디컬 이미징 분석
    멀티태스크 러닝(Multi-task Learning)과 비전 트랜스포머(ViT)를 3차원 마이크로 CT 영상 등에 적용하여, 골다공증 진단 및 뼈 미세구조 분석을 완전 자동화합니다.
    [관련 연구] 뼈 미세구조 분석을 위한 멀티태스크 러닝, 딥러닝 기반 이식형 광역동 치료 시스템
  • 디지털 치료제를 위한 뉴로-AI 융합 (Neuro-AI Fusion)
    수면 무호흡증 등 난치성 질환 치료를 위해, 생체 신호를 실시간으로 감지하고 정밀한 전기 자극을 전달하는 폐루프(Closed-loop) 신경 조절 시스템을 개발합니다.
    [관련 연구] 수면 무호흡 치료를 위한 신경-AI 융합형 디지털 신경 자극기, sEMG 기반 저작 기능 이상 탐지

III. Intelligent Systems & Robotics
Embodied AI, Multi-Agent Systems, and Robust Control

We bridge the gap between perception and action. By leveraging Vision-Language-Action (VLA) models and Uncertainty Quantification (UQ), we build robust robotic systems capable of complex cooperation and control.

  • Uncertainty Quantification (UQ) for Complex Systems
    Applying Graph Neural Networks (GNNs) and Neural Message Passing to quantify uncertainty in complex networks (e.g., power grids, brain dynamics) and accelerate Optimal Experimental Design (OED) by orders of magnitude.
    [Related Research] Accelerating OED for Kuramoto Model, Neural Message-Passing for MOCU
  • Signal Processing & Optimization
    Creating ultra-low complexity ML detection algorithms for MIMO systems (5G/6G) using novel geometric concepts like Bidirectional Detectability.
    [Related Research] Reduced-Complexity ML Signal Detection for MIMO
  • Embodied AI & Multi-Robot Cooperation
    Developing explainable lightweight Vision-Language-Action (VLA) models and Co-CoT (Collaborative Chain-of-Thought) to enable heterogeneous robots to cooperate intelligently in dynamic environments like logistics and disaster relief.
    [Related Research] Explainable Lightweight VLA for Multi-Robot Cooperative Intelligence

III. 지능형 시스템 및 로보틱스
Embodied AI, Multi-Agent Systems, and Robust Control

우리는 인지(Perception)와 행동(Action) 사이의 간극을 줄입니다. 비전-언어-행동(VLA) 모델과 불확실성 정량화(UQ) 기술을 통해, 복잡한 환경에서도 협동하고 제어 가능한 강건한 로봇 시스템을 만듭니다.

  • 임바디드 AI(Embodied AI) 및 다중 로봇 협동
    설명 가능한 경량 비전-언어-행동(VLA) 모델과 협동적 연쇄 사고(Co-CoT) 기술을 개발하여, 물류나 재난 현장에서 이기종 로봇들이 지능적으로 협업하는 시스템을 구현합니다.
    [관련 연구] 다중로봇 협동 지능을 위한 설명가능한 경량 시각-언어-행동 모델
  • 복잡계 시스템을 위한 불확실성 정량화 (UQ)
    그래프 신경망(GNN)과 신경 메시지 전달(Neural Message Passing) 기술을 적용하여 전력망이나 뇌 신경망과 같은 복잡계의 불확실성을 정량화하고, 최적 실험 설계(OED) 속도를 획기적으로 가속화합니다.
    [관련 연구] 불확실한 Kuramoto 모델 최적 실험 설계 가속화, MOCU 기반 불확실성 정량화
  • 신호 처리 및 최적화
    양방향 검출성(Bidirectional Detectability)이라는 새로운 기하학적 개념을 도입하여, 5G/6G MIMO 시스템을 위한 초저복잡도 머신러닝 신호 검출 알고리즘을 연구합니다.
    [관련 연구] 저복잡도 MIMO ML 신호 검출

Research Grants

Current Projects

  • Development of Oral Wearable/Implantable Neural Stimulator for Sleep Apnea Rehabilitation Treatment
    Alchemist Project, Korea Institute for Advancement of Technology (KIAT), 2025 - Present
  • Reinforcement Learning-based Optimal Decision Making in High-Throughput Virtual Screening (HTVS) Pipelines
    First Research, The National Research Foundation of Korea (NRF), 2023 - Present
  • Deep Learning-Driven Multi-Objective Uncertainty Quantification for Accelerated Optimal Experimental Design
    Internal Research Grant, Incheon National University, 2025 - Present

Completed Projects

  • Knowledge Discovery using Machine Learning for the Objective-based Optimal Experimental Design
    Internal Research Grant, Incheon National University, 2024 - 2025
  • Accelerating the Objective-based Optimal Experimental Design using Machine Learning
    Internal Research Grant, Incheon National University, 2023 - 2024

수행 중인 과제 (Current Projects)

  • 고효율 가상 탐색(HTVS) 파이프라인에서의 강화학습 기반 최적 의사 결정
    생애첫연구, 한국연구재단(NRF), 2023 - 현재
  • 가속화된 최적 실험 설계를 위한 딥러닝 기반 다목적 불확실성 정량화
    교내연구, 인천대학교, 2025 - 현재

완료된 과제 (Completed Projects)

  • 수면 무호흡 재활 치료를 위한 구강 착용/이식형 신경 자극기 개발
    알키미스트 프로젝트, 한국산업기술진흥원(KIAT), 2025
  • 목적 기반 최적 실험 설계를 위한 머신러닝 활용 지식 발견
    교내연구, 인천대학교, 2024 - 2025
  • 머신러닝을 이용한 목적 기반 최적 실험 설계 가속화
    교내연구, 인천대학교, 2023 - 2024