Research

본 연구실의 연구는 그래프 마이닝을 출발점으로, 그래프 머신러닝(GNN, LLM)과 하이브리드 양자 그래프 분석으로 확장되는 하나의 연구 흐름으로 구성되어 있습니다.

우리는 단순히 모델의 성능을 높이는 데 그치지 않고, 복잡한 데이터 속에서 왜 그런 결과가 나오는지 설명할 수 있는 구조와 원리를 밝히는 것을 중요하게 생각합니다. 이를 위해 데이터 마이닝, 그래프 알고리즘, 최적화, 그리고 최근의 LLM 기반 AI 기술을 유기적으로 결합한 분석 기법을 설계합니다.

연구실의 연구는 사회·도시·산업·과학 데이터 등 실제 대규모 데이터에서 발생하는 문제를 대상으로 하며, 이론적 분석과 실험을 통해 실질적인 문제 해결로 이어지는 연구를 지향합니다. 

본 연구실은 SIGMOD, VLDB, ICDE, TKDE, EDBT, DASFAA 등 데이터 관리 및 데이터 마이닝 분야의 최상위 국제 학회 및 저널에 지속적으로 연구 성과를 발표하며 국제적인 연구 역량을 인정받고 있습니다.

Student Research Outcomes

본 연구실의 연구는 모든 학부생·대학원생이 실제 연구 프로젝트에 주도적으로 참여하여, 해당 연구는 최상위 학회 및 저널 논문으로 이어지고 있습니다.

실제로 학부 연구 인턴 및 대학원생이 SIGMOD, EDBT, CIKM 등 최상위 국제 학술대회 논문의 1저자로 참여하였으며, SCI(E) 저널 논문 및 국내외 우수논문상 수상으로도 이어지고 있습니다. 

이러한 성과는 연구실의 연구 주제가 학생 주도 연구와 논문 작성으로 자연스럽게 연결되는 구조를 갖추고 있음을 보여줍니다.

Research Philosophy

본 연구실의 모든 프로젝트는 새로운 알고리즘적 아이디어와 이론적 통찰로 이어질 수 있는 연구를 수행하는 것을 원칙으로 합니다.