Chan Young Park
KAIST 산업및시스템공학과
Artificial Intelligence, Data Mining
Data Science & Artificial Intelligence Lab.
cy.park@kaist.ac.kr
Data Science & Artificial Intelligence Laboratory (DSAIL) led by Associate Professor Chanyoung Park at KAIST. The lab focuses on machine learning on graphs, recommender systems, and AI applications. The professor is actively seeking passionate and self-motivated Ph.D. students, MS students, and postdocs, as well as undergraduate interns for summer and winter programs.
추천시스템을 위한 멀티모달 LLM 연구
그래프 파운데이션 모델: 다양한 모달리티 및 도메인에적용 가능한 그래프 기반 기계 학습
그래프 빅데이터를 위한 파운데이션 모델 개발
강건하고 공정하며 확장 가능한 데이터 중심의 연속 학습
이종데이터기반 상식 추출, 이해, 추론을 위한 인공지능 기술개발
시각 데이터 기억을 위한 장면 그래프 생성 기술 연구
사람처럼 개념적으로 이해/추론이 가능한 복합인공지능 원천기술 연구
AI를 활용한 거래 관계망 신용 평가 모형 개발
공학 시뮬레이션을 위한 3D 형상 기반 Graph Neural Networks 모델 개발
지식 체계 확장 가능한 AI 추론 모델 개발과 바이오의료응용
FDC Trace 센서데이터 기반 이상탐지 모델 개발
출처: 연구실 홈페이지
현재 재학생
24명
최근 5년 졸업
0명
학위 과정 분포: 석사 7명, 박사 17명 (대학원 24명)
대학원 24명 · 포닥·학부연구생 3명 별도
본 페이지는 연구실 규모 파악을 위한 집계 통계(구성원 수, 진로 카테고리, 학위 과정 분포)만 제공하며, 개별 학생의 이름·전적·취업처 등은 표시하지 않습니다. 학위 과정 분포는 모든 재학생의 과정이 명확히 분류된 경우에만 표시되며 (분류 미상 학생이 1명이라도 있으면 미표시), k≥5 익명성 조건을 충족할 때만 공개됩니다 (PIPA §58-2·§28-2 + 대법원 2014다235080).
본 연구는 작은 분자의 전자 수준 정보를 큰 분자로 전이하여 추가 계산 비용 없이 전자 정보를 포함한 분자 표현을 학습하는 방법을 제안합니다. 제안된 방법은 실험적으로 관찰된 분자 물리 현상을 포함한 광범위한 벤치마크 데이터셋에서 최첨단 예측 정확도를 달성합니다.
논문 데이터가 수집되면 연구 키워드가 자동 추출됩니다