Skip to content
Connectome Lab
서울대학교
English
← 함께하기

서울대학교 심리학과 커넥톰 연구실 · 지도교수 차지욱

2026 동계 학부 연구 인턴 모집

뇌 파운데이션 모델을 도구로 삼아 스스로 가설을 세우고 검증하는 것을 목표로 하는 AI 연구자, NeuroX 자율 연구 에이전트를 함께 만듭니다. 8주 동안 연구실 논문에 실제로 들어갈 그 핵심 모듈 하나를 구현하고 결과표까지 만들며, 희망자는 2027년 학기 중에도 연구를 이어 갑니다.

모집 인원
3명
인턴 기간
2027. 1. 4.–2. 26.
8주
서류 마감
2026. 11. 20. (금) 18:00
한국 시간
학업장려금
월 60만 원
세전
지원 방법 보기 연구 프로젝트: NeuroX 자율 연구 에이전트

어떤 학생을 찾나요

커넥톰 연구실은 뇌 신호(fMRI·EEG·MEG) 파운데이션 모델을 만들고, 이 모델들을 도구로 삼아 연구 질문과 가설, 실험(분석) 설계, 데이터 분석, 결과에서 배우고 다음을 추론하는 일까지 스스로 해내는 것을 목표로 하는 AI 연구자, NeuroX 자율 연구 에이전트를 만들고 있습니다. 2026년 겨울방학 동안 이 프로젝트를 함께 만들 학부 연구 인턴 3명을 모집합니다. 앞으로 사람 뇌에서 마우스·원숭이 뇌 데이터까지 넓혀 갈 계획이며, 동물 신경 데이터에 깊은 관심이 있는 학생을 특히 환영합니다.

특히 2027년 또는 2028년에 대학원 진학을 계획하는 학부생(전공 무관) 가운데, 처음 보는 어려운 문제를 두려워하지 않고 가장 좋은 해법을 찾을 때까지 스스로를 끝까지 밀어붙이는 학생, 그리고 주어진 문제를 그대로 받아들이지 않고 더 중요한 질문으로 새롭게 정의하는 학생을 찾습니다. 겨울 8주 과정을 마친 뒤 2027년 학기 중에도 연구를 이어 가며 대학원 수준의 연구를 미리 시작할 수 있습니다.

01

모집 개요

모집 인원

3명

모집 대상

국내외 4년제 대학 학부 재학생·휴학생 (전공 제한 없음)

2027년 또는 2028년 대학원 진학 계획자 우대

인턴 기간

2027년 1월 4일(월) ~ 2월 26일(금), 8주

8주 수료 후 희망자는 협의를 거쳐 2027년 학기 중 연구를 지속합니다.

근무 형태

대면·원격 하이브리드 운영

주 1회 연구실 랩미팅과 멘토 연구 미팅은 대면 참석을 권장합니다. 지방·타 대학 학생은 사전 협의 시 온라인 화상 참여가 가능합니다.

필요 역량

선형대수·미적분·확률통계 기초, Python 데이터 분석 경험

T1 트랙은 PyTorch 경험을 권장합니다. T2 트랙은 동물 신경 데이터에 깊은 관심이 있으면 PyTorch 경험이 적어도 지원할 수 있습니다.

1개월 중간 점검 · 1월 29일(금)

  • 프로젝트 기준선(baseline) 재현 또는 파일럿 완료
  • 주간 보고 4회 중 3회 이상 제출
  • 5~8주차 연구 계획서(1쪽)
  • 연구 보안 레드라인 준수

4주차에 위 네 가지를 멘토와 함께 점검하고 남은 4주(5~8주차 본 실험)의 계획을 정합니다.

뇌과학 지식이 없어도 지원할 수 있나요?

뇌과학·뉴로이미징(fMRI·EEG) 사전 지식은 필수가 아닙니다. 1단계 학습 과제와 2단계 연구 챌린지는 뇌 신호를 처음 접하는 타 전공 학부생도 안내 문서와 AI 도구(연구실에서 제공)의 도움을 받아 스스로 공부하며 해결할 수 있도록 설계했습니다.

수강 과목·학점 정량 컷오프는 두지 않습니다. 1단계(서류 심사)에서는 이력서의 프로그래밍·프로젝트 경험과 학습·설명 과제를 실제로 시도했는지로 최소한의 기초 준비도만 확인합니다. 실제 분석·구현 역량은 2단계(연구 챌린지)와 3단계(대면 면접 구술·코드 검증)에서 평가합니다.

02

선발된 인턴에게 제공하는 지원과 책임

  1. NeuroX 자율 연구 에이전트의 핵심 모듈 하나 전담

    아래 세 트랙(T1~T3) 중 하나에서 맡은 모듈을 구현·검증합니다. 가설이 기각되더라도 기준선 재현과 원인 분석이 엄밀히 입증된 음성 결과(negative result)는 성공한 결과와 동등하게 평가합니다.

    연구 프로젝트 보기

  2. 전용 연산 인프라 (NVIDIA DGX Spark)

    1주차 에이전틱 코딩 온보딩을 마친 뒤 2주차부터 연구실 NVIDIA DGX Spark GPU 워크스테이션 개인 계정을 부여합니다.

  3. 연구용 AI API 무제한 지원

    인턴 기간(8주) 동안 Claude Code, Codex, Cursor 등 AI 코딩·연구 도구에 연결해 쓰는 AI API(OpenRouter 등) 사용료를 사용량 제한 없이 연구실이 부담합니다(연구 목적, 사용 내역 확인).

  4. 학업장려금 월 600,000원

    세전 월 600,000원, 8주 최대 1,200,000원을 지급합니다. 지급 경로·지급일과 타 대학 학생 지급 절차는 확정되는 대로 이 페이지에 안내합니다.

  5. 밀착 멘토링

    담당 멘토와 주 1회 연구 미팅(30~60분)을 하고, 연구실 랩미팅과 주간 코드 리뷰(PR 기반)에 참여합니다.

인턴 참여는 커넥톰 연구실을 포함한 어느 대학원의 입학이나 연구실 배정도 보장하지 않습니다. 공저자 자격은 인턴 수료 후에도 연구에 지속 참여해 ICMJE 국제 저자 기준을 충족한 경우 심의를 거쳐 부여합니다.

03

NeuroX 자율 연구 에이전트와 세 트랙

연구실은 NeuroX 자율 연구 에이전트를 만들고 있습니다. 목표는 뇌 파운데이션 모델을 도구로 삼아 연구 질문에서 가설을 세우고, 그 가설을 검증할 실험(분석)을 설계해 미리 기록(사전등록)하고, 데이터를 분석해 결과가 통계적으로 믿을 만한지 스스로 점검하고, 그 결과에서 배우고 추론해 다음 가설을 고치는 AI 연구자를 만드는 것입니다. 뇌 데이터는 빠르게 늘지만 가설 하나를 엄밀하게 검증하는 데는 여전히 몇 달이 걸립니다. 빠르기만 한 AI가 아니라 거짓 발견을 스스로 막는 AI, 사람의 뇌에서 마우스·원숭이의 뇌까지 같은 고리 안에서 다루는 AI를 만드는 것이 이 프로젝트의 방향입니다.

지금은 연구 고리의 뼈대, 통계 자기검증, 사전등록 기록, 뇌 모델 하나의 연결까지 첫 버전을 만들었고, 이번 겨울 인턴과 함께 넓힙니다. 세 트랙은 한 에이전트의 핵심 모듈입니다. T1은 에이전트가 뇌 데이터를 읽는 눈, T2는 그 시야를 사람에서 마우스·원숭이까지 넓히는 일, T3는 결과를 스스로 의심하고 검증하는 판단력입니다. 인턴은 이 중 한 트랙에서 핵심 모듈 하나를 구현·검증하며, 배정은 선발 후 관심·준비도를 보고 정합니다.

T1

에이전트의 눈: 사람 뇌 모델을 도구로

사람 뇌 · fMRI·EEG

연구실의 fMRI·뇌파 파운데이션 모델(SwiFT, DIVER 등)을 에이전트가 부를 수 있는 도구로 연결하고, 맞지 않는 데이터가 들어오면 추측하지 않고 거부하게 만듭니다.

왜 중요한가
좋은 질문도 뇌 데이터를 제대로 읽지 못하면 소용없습니다. 에이전트가 뇌를 읽는 능력은 이 도구의 품질에서 나옵니다.
8주 결과물
뇌 모델 하나를 에이전트 도구로 연결하고, 정상·잘못된 입력에서의 동작을 검증한 결과표.
이런 학생
딥러닝과 뇌영상·뇌파에 관심이 있고 PyTorch 경험이 있는 학생.

참고 SwiFT (arXiv:2307.05916) · GitHub: Transconnectome/SwiFT · DIVER-1 (arXiv:2512.19097)

T2

종을 넘는 뇌: 마우스·원숭이 데이터

마우스 · 원숭이

공개된 마우스(칼슘 영상·Neuropixels)와 원숭이(스파이크 기록) 데이터를 에이전트의 연구 고리에 연결하고, 동물에서 먼저 물을 수 있는 질문을 에이전트와 함께 시험합니다. 예를 들어 한 종에서 배운 뇌 신호 표상이 다른 종으로 옮겨 가는가, 세포 유형·연결 같은 해부학 지식이 모델을 실제로 돕는가 같은 질문입니다.

동물 신경 데이터에 깊은 관심이 있는 학생을 특히 환영합니다.

왜 중요한가
동물 연구는 사람에게서 얻기 어려운 세포·회로 수준의 기록을 줍니다. 사람·마우스·원숭이를 잇는 뇌 모델이 가능한지는 아직 열린 질문이고, 이 트랙은 그 질문을 정면으로 다룹니다.
8주 결과물
공개 동물 데이터를 에이전트 고리에 연결하고, 첫 종간 비교 또는 지식 주입 실험의 결과표. 효과가 없다는 결과도 결과로 인정합니다.
이런 학생
동물 신경과학·신경생리 데이터를 다뤄 봤거나 깊은 관심이 있는 학생. PyTorch 경험이 적어도 지원할 수 있습니다. 관심 종은 학생이 고르고, 공개 데이터셋(예: Allen Brain Observatory, IBL, DANDI)으로 시작합니다.

참고 POYO-CAP (arXiv:2510.18516) · GitHub: Transconnectome/POYO-CAP

T3

스스로 검증하는 AI 과학자

AI 과학자 · 통계

언어 모델이 연구 고리(가설 → 실험 설계·사전등록 → 분석 → 검증)를 직접 돌리게 연결하고, 통계 자기검증이 거짓 발견을 얼마나 막는지 잽니다.

왜 중요한가
빠르기만 하고 틀리는 AI 과학자는 해롭습니다. 자율 연구를 믿으려면 다중비교·데이터 누수 같은 흔한 오류를 AI가 스스로 걸러야 합니다.
8주 결과물
언어 모델이 돌리는 연구 고리 한 바퀴와, 자기검증을 켰을 때와 껐을 때를 비교한 결과표.
이런 학생
LLM 에이전트, 통계, 과학 방법론에 관심이 있는 학생. 뇌영상·딥러닝 구현 경험이 적어도 지원할 수 있습니다.

04

선발 절차와 일정

스펙이나 학벌이 아니라 실제 문제 해결력, 지적 정직성, 집요함을 보기 위해 3단계로 선발합니다. 모든 시각은 한국 시간입니다.

  1. 1단계

    서류 접수

    이력서, 지원서, 학습·설명 과제(A4 2쪽), 온라인 사전 설문을 제출합니다.

  2. 결과

    서류 결과 · 챌린지 안내

    서류 심사에서 기본 준비가 확인된 지원자 전원에게 개인용 OpenRouter AI API 키와 2단계 연구 챌린지 과제를 보냅니다.

  3. 2단계

    연구 챌린지

    연구실이 제공한 AI API 키로 공개 뇌 신호(EEG/fMRI) 챌린지를 풀고, 본인만의 확장 질문 1개를 실험·검증합니다. 확장 질문의 사전 예측 기준은 12월 1일(화)까지 제출합니다.

  4. 결과

    면접 대상 발표

    필수 항목을 충족하고 60점 이상인 기준 통과자 중 최종 정원(3명)의 약 2~3배수(약 6~9명 내외)를 대면 면접 대상으로 안내합니다. 기준 통과자가 2~3배수 이하이면 통과자 전원이 면접을 봅니다.

  5. 3단계

    대면 면접 · 1인 30분

    서울대학교에서 진행하며 본인 노트북을 지참합니다. 지도교수와 각 연구 프로젝트 담당 대학원생 멘토가 함께 참여합니다.

    1. 챌린지 새 seed 즉석 재실행·코드 확인, 학습·설명 과제 3분 무메모 설명 (~10분)
    2. 연구 딜레마 상황 대화, 사전 설문·챌린지 수행 과정 질의 (~12분)
    3. 관심 과제·진학 계획 확인, 함께 연구할 대학원생 멘토·지도교수와의 질의응답 (~8분, 지원자 역질문은 채점하지 않음)

  6. 발표

    최종 합격자 발표

    최종 3명을 선발합니다. 12월 중 사전 온보딩·계정 설정을 거쳐 2027년 1월 4일(월)에 시작합니다.

1단계는 순위를 매기지 않습니다. 필수 서류·설문 제출과 학습 과제 시도만 확인하고, 통과자 전원에게 챌린지와 개인 AI API 키를 드립니다.

설문 응답은 점수에 넣지 않고 탈락 판단에도 쓰지 않으며, 면접 대화와 선발 후 멘토 배정 참고 자료로 씁니다.

05

제출 서류와 지원 방법

접수 마감
2026년 11월 20일(금) 18:00 (한국 시간)
접수처
connectome@snu.ac.kr
메일 제목
[2026동계인턴지원] 이름_학교_진학희망연도

예: [2026동계인턴지원] 홍길동_서울대_2028

메일 본문
“개인정보 수집·이용에 동의합니다” 문구를 반드시 적어 주세요.
메일로 지원하기

제출 항목 (PDF 첨부 + 온라인 설문)

  1. 이력서_이름.pdf필수 · A4 1~2쪽

    인적사항, 주요 수강 과목, 프로그래밍·프로젝트·연구 경험

  2. 지원서_이름.pdf필수 · A4 1쪽

    관심 트랙(T1~T3 중 1·2순위와 이유), 대학원 진학 계획(희망 시기·과정·분야), 8주 후 학기 중 가용 시간, 8주 기간 중 중복 일정 유무

  3. 과제_이름.pdf필수 · A4 2쪽 이내

    학습·설명 과제. 아래 과제 안내를 참고하세요.

    학습·설명 과제 안내

  4. 온라인 사전 설문필수 · 약 25~30분

    정답이 있는 시험이 아니라, 연구 상황에서 선호하는 문제 해결 호흡·협업 스타일·연구 윤리 기준을 묻는 설문입니다. 점수화해 순위를 매기지 않으며, 면접 대화와 선발 후 멘토 배정 참고 자료로 씁니다. PDF 서류와 같은 마감까지 응답해 주세요.

    온라인 사전 설문 응답하기

  5. 선택자료_이름.pdf선택

    GitHub 링크, 기존 보고서·포스터, 공개 챌린지 사전 풀이 등

학습·설명 과제

“뇌 영상을 트랜스포머에 넣으면 왜 메모리가 모자라고, 어떻게 줄이는가”

사전 지식을 평가하는 시험이 아닙니다. fMRI 한 회기를 4차원 데이터(예: 96×96×96 복셀 × 20 시점)로 트랜스포머 모델에 넣으려 할 때, 왜 메모리가 부족하고 어떻게 줄이는지를 AI 도구와 문헌으로 스스로 공부해 자기 말로 설명하는 A4 2쪽 탐구 과제입니다. 다음 다섯 가지를 씁니다.

  1. 셀프 어텐션(self-attention)이 무엇을 계산하는지 수식 하나와 자기 말로 설명합니다.

  2. 이 데이터를 토큰으로 어떻게 나눌지 정하고, 어텐션 계산에 필요한 메모리를 직접 계산합니다. 가정과 계산 과정을 모두 적습니다.

  3. 메모리를 줄이는 방법을 둘 이상 찾아 같은 기준으로 비교하고, 하나를 고른 이유를 씁니다. 그중 하나는 반드시 Swin Transformer의 윈도 어텐션(window attention)이어야 합니다.

  4. 아직 이해하지 못한 것 하나와, 그것을 알아내려면 무엇을 하겠는지 씁니다.

  5. 어떻게 공부했는지 씁니다: 읽은 자료, 쓴 AI 도구, 걸린 시간, 가장 막혔던 곳과 거기서 한 일.

참고: SwiFT 논문 (NeurIPS 2023, arXiv:2307.05916) · SwiFT 공개 GitHub 저장소

  • 메모리는 어텐션 점수 행렬(한 층·한 헤드)부터 계산해도 되며, 패치 크기·정밀도(FP16/FP32) 등 가정은 자유롭게 정해 적으면 됩니다.
  • 예상 소요 시간은 배경지식에 따라 약 3~6시간(AI 도구·문헌 학습 포함)입니다.
  • 계산을 짧은 코드로 확인했다면 GitHub 링크를 붙입니다(선택).
  • AI 도구로 공부해도 됩니다. 대신 면접에서 이 주제를 메모 없이 3분 안에 다시 설명하고 질문에 답합니다.
  • 정답을 맞혔는지보다 어려운 부분을 피하지 않고 끝까지 파고들었는지를 봅니다. 계산이 틀려도 과정이 보이면 괜찮습니다.

개인정보 수집·이용

제출 메일 본문에 "개인정보 수집·이용에 동의합니다" 문구를 반드시 적어 주세요. 제출 서류와 설문 응답은 이번 인턴 선발 심사와 선발 후 행정 처리에만 씁니다. 선발되지 않은 지원자의 서류와 설문 원본은 선발 종료 후 지체 없이 파기하는 원칙이며, 구체적인 보유·파기 기준은 접수를 시작할 때 이 페이지에 안내합니다.

문의: connectome@snu.ac.kr