수리 모델과 딥러닝을 결합해 과학적 현상을 분석합니다. 동역학 시스템부터 공정, 의학 및 생명과학까지 폭넓게 적용할 수 있는 과학적 머신러닝(scientific machine learning) 모델을 개발합니다.

Citations

457

h-index

11

i10

11

Google Scholar 기준 · 마지막 갱신 2026년 8월 5일 07:00 · Scholar 프로필

연구 주제

• Physics-Informed Neural Networks (PINNs)
• Parameter estimation for differential equations
• Density-PINN
• Inference of dynamical systems via machine learning
• Clinical data analysis and medical AI
• Learning from imperfect data
• Symbolic regression

최근 논문

• 2026 A Machine Learning-based Screening Tool for classifying Post-traumatic Stress Disorder in Firefighters BMC Psychiatry · 인용 0
• 2026 Estimation of System Parameters Including Repeated Cross-Sectional Data: Emulator-Informed Deep-Generative Model SIAM Journal on Scientific Computing · 인용 3
• 2026 Data-driven inference of coupling functions in oscillatory systems via physics-informed neural networks Physical Review Research · 인용 0

논문 전체 보기 →

소식

• NoneKUS New Challenger 선정
• NoneDensity-PINN 연구, 기초과학연구원 Research News 보도
• None기초과학연구원 우수연구원상

연구생 모집

학부 및 대학원 연구생을 상시 모집합니다. 관심 있는 분은 ajouhtj@ajou.ac.kr로 연락 주세요.