학부인턴 모집

[서울대학교 커넥톰 연구실] 양자머신러닝(QML) 연구 인턴 모집

서울대학교 차지욱 교수님의 커넥톰(Connectome) 연구실에서 양자머신러닝(Quantum Machine Learning) 분야의 새로운 도전을 함께 할 열정적인 연구 인턴을 찾습니다.

양자머신러닝(QML)이란 무엇인가요?

양자머신러닝(QML)은 양자컴퓨터의 놀라운 계산 능력을 머신러닝에 접목하는 최첨단 융합 분야입니다. 양자역학의 독특한 원리를 이용해, 기존 컴퓨터로는 풀기 어려웠던 복잡한 문제들에 대한 새로운 해법을 찾습니다. 저희는 이 기술을 활용해 다양한 과학 및 산업 분야에서 혁신적인 발견을 이끌어내고자 합니다.

주요 연구 목표

• 시공간 데이터를 위한 최신 양자머신러닝 알고리즘 개발

• 신경과학 분야에 초점을 맞춘 QML 응용 연구 수행

최근 연구 

저희 연구실은 QML의 핵심적인 도전 과제들을 해결하고, 이를 다양한 분야에 적용하는 연구를 활발히 진행하고 있습니다. 최근에는 다음과 같은 성과를 발표했습니다.

• 새로운 QML 알고리즘 개발: 양자 트랜스포머(Quantum Transformer), Hybrid Quantum Temporal Convolutional Network (HQTCN), 양자 강화학습(QRL) 등 새로운 모델을 개발하고 성능을 향상시키는 연구를 수행했습니다.

• QML 확장성 및 설명가능성 연구: '멀티칩 앙상블'과 같은 혁신적인 접근법을 통해 현재 QML 기술의 확장성(scalability) 문제를 해결하고, 하이브리드 양자 모델의 작동 원리를 설명(explainability)하는 연구를 진행했습니다.

• 신경과학 응용 연구: 개발된 양자 모델을 실제 뇌 영상 데이터(fMRI) 분석에 적용하여 신경과학 분야의 난제에 도전하고 있습니다.

이는 연구실의 최근 연구 방향을 보여주기 위한 예시이며, 인턴으로 참여하시게 될 경우 이와 연관된 주제 또는 새로운 주제의 연구를 수행하게 될 수 있습니다.

찾는 인재상 (자격 요건)

양자물리학에 대한 배경지식은 필수가 아닙니다. 필요한 양자 관련 지식은 연구실에 참여하며 배워나갈 수 있습니다.

기술적인 역량 외에도, 저희는 다음과 같은 자질을 갖춘 미래의 연구자를 찾습니다.

개인의 연구자적 자질:

• 비판적 사고 능력: 생각하고, 고민하고, 질문하고, 도전할 줄 아는 분.

• 열의와 갈증: 배우고 성과를 내고자 하는 높은 동기 부여와 열의를 가진 분.

• Fast Learner: 빠르게 변화하는 이 분야의 새롭고 복잡한 개념을 신속하게 습득할 수 있는 분.

• 협업 능력: 연구는 협업입니다. 다른 연구실 구성원들과 원활하게 협력할 수 있는 분.

선호 기술 역량:

• Python/Pytorch 코딩 및 머신러닝/딥러닝 모델 경험

• 기초 선형대수학 

추천 선행 학습 논문

본 연구 분야에 대한 이해도를 높이고자 하는 지원자들은 아래 논문들을 참고.

• Schuld, M., Sinayskiy, I., & Petruccione, F. (2015). An introduction to quantum machine learning. Contemporary Physics.

• Biamonte, J., Wittek, P., Pancotti, N., Rebentrost, P., Wiebe, N., & Lloyd, S. (2017). Quantum machine learning. Nature.

• Cerezo, M., Verdon, G., Huang, H.-Y., Cincio, L., & Coles, P. J. (2022). Challenges and opportunities in quantum machine learning. Nature Computational Science.

• Cerezo, M., Arrasmith, A., Babbush, R., ... & Coles, P. J. (2021). Variational quantum algorithms. Nature Reviews Physics.

• Caro, M. C., Huang, H.-Y., Cerezo, M., ... & Coles, P. J. (2022). Generalization in quantum machine learning from few training data. Nature Communications.

• Park, J. J., Seo, J., Bae, S., ... & Yoo, S. (2025). Resting-state fMRI Analysis using Quantum Time-series Transformer. 2025 IEEE International Conference on Quantum Computing and Engineering (QCE).

요청 지원서

1. 연구 관심 및 탐구활동 에세이

• 과학적 탐구에서 스스로 질문을 던지고 탐구해본 경험이 있다면 소개해주세요.

• 본인이 양자머신러닝 × 신경과학 분야에서 특히 호기심을 느낀 문제가 있나요? 혹은 관심이 있는 이유가 있나요. 그 이유에 대해 조금 탐구해보시고 알려주세요.

2. 탐구 경험 요약 및 향후 계획 

• 생물학·심리학·데이터과학·자연과학·인공지능 등 다양한 과학과 공학의 영역에서 직접 탐구해봤던 연구 활동을 소개해주세요. 구체적으로 무엇을 배웠나요?

• 본인이 어떤 커리어 꿈을 가지고 있는지 소개해주세요 (우리 연구실에서는 대학원에 들어와 학자가 될 사람만을 우선시 하지 않습니다. 기업가, 정부 관료, 교육자 등의 다양한 커리어 길을 통해 과학을 이용한 임팩트를 사회 곳곳에서 만들 수 있습니다).

지원서 검토 후 인터뷰를 거쳐서 1-2명의 인턴을 모시겠습니다.

미래 과학 기술을 함께 연구할 학생들의 많은 관심 바랍니다.

지원 방식

Google Form로 제출: https://forms.gle/4r1AAC8Qb2BZZ8XK7

제출 마감

2025년 12월 5일 금요일 23시 59분