Openings

우리 연구실에서 학부연구생, 대학원생, 박사후연구원을 모집합니다 (지원 마감: 2026년 8월 31일)

1. 모집 대상

• 학부연구생: 학부 4학기 이상을 수료한 학부생, 우리 연구실 대학원 진학에 관심이 있는 학부생, Computational Electromagnetics와 Inverse Design 공부를 해보고 싶은 학부생

• 대학원생: 학부 졸업 예정자 혹은 기 졸업자 (2027년 3월 입학기준: 전파/광학/광소자 설계/메타물질 분야 2명, 인공지능/소프트웨어 분야 3명)

• 박사후연구원/연구교수: 대학원 졸업 예정자 혹은 기 졸업자 (실적/경력에 따라 연 3,600만원 ~ 6,000만원 지급)

• 공통 사항: 전자기학, 전자장, 수치해석, 기하광학, 파동광학, 자료구조론, 딥러닝, Computer Science 관련 과목 수강자 우대, 학점 우수자 우대

• 공통 사항: 전자전기, 물리, 신소재, 소프트웨어, 기계공학, 컴퓨터공학 등 전공자 환영

2. 연구분야 (Research tab 참조)

• 최적화 알고리즘 개발을 통한 메타렌즈 / AR, VR / 디스플레이 / CMOS 이미지센서 (소자) / 무인이동체 연구

• 메타물질 / 메타표면 설계를 통한 차세대 광소자 설계 

• 인공지능(DNN, GAN 등)을 적용한 HW/SW 융합 연구 (소자 설계, 이미지 복원, 데이터 분석 등)

• 의료 인공지능 (딥러닝, 의료영상분석, 생성형AI, 뇌질환)

• 공동연구: MIT (Biosensor), MIT (Metalens), Yale University (Inverse design algorithm), Purdue University (Solar cells), KAIST (Metasurface), KIST/KRISS (Quantum Photonics)

• Open position 1: Physics-Informed Neural Networks and Neural Operators

• Open position 2: End-to-End Computational Imaging: Joint Design of Optics and Artificial Intelligence

• Open position 3: Inverse Design and Fabrication of Metasurfaces and Photonic Integrated Circuits: Gen. AI and Adjoint Optimization

• Open position 4: Biomedical AI (딥러닝, 의료영상분석, 생성형AI, 뇌질환)

 [Open position 1] Physics-Informed Neural Networks and Neural Operators

FDTD, FDFD, FEM과 같은 전자기 수치해석은 광소자의 성능을 정확하게 예측할 수 있지만, 대규모 구조나 반복적인 최적화 문제에서는 많은 계산 시간과 메모리를 요구합니다. 본 연구에서는 딥러닝을 이용하여 기존 전자기 수치해석을 대체하거나 가속할 수 있는 electromagnetic surrogate solver를 개발합니다.

광소자의 구조, 물질 분포, 입사 파장, 광원 조건 등을 입력으로 받아 전기장과 자기장 분포, 투과율, 반사율 등의 광학 응답을 빠르게 예측하는 것이 주요 목표입니다. Maxwell 방정식과 파동의 물리적 특성을 신경망 학습에 반영하기 위해 Physics-Informed Neural Network, Fourier Neural Operator, 기타 operator-learning 방법을 활용합니다.

특정 파장이나 제한된 구조만 예측하는 모델을 넘어, 학습에 포함되지 않은 파장, 구조, 재료 및 공간 해상도에서도 정확하게 동작하는 범용 모델을 개발합니다. 연구실에서 개발한 WINO는 이산적인 파장의 학습 데이터만을 이용하여 학습되지 않은 파장의 전자기장을 예측하는 broadband surrogate solver의 한 예입니다.

주요 연구 주제

• FDTD 및 FDFD를 대체하는 고속 전자기장 예측 모델

• Maxwell 방정식을 반영한 physics-informed loss 및 network architecture

• 다양한 파장과 구조 조건에 적용 가능한 neural operator

• 학습되지 않은 파장과 구조에 대한 generalization 및 interpolation

• Surrogate solver를 이용한 초고속 parameter sweep 및 광소자 역설계

• 대규모 3차원 전자기 문제를 위한 GPU 기반 학습 및 추론

전자기학이나 광학에 관심이 있는 학생뿐 아니라, 딥러닝 모델과 scientific machine learning을 집중적으로 연구하고 싶은 학생도 지원할 수 있습니다.

Reference1: Wave Interpolation Neural Operator: Interpolated Prediction of Electric Fields Across Untrained Wavelengths , Nanophotonics (2026)

Reference2: Neural Adjoint Method for Meta-optics: Accelerating Volumetric Inverse Design via Fourier Neural Operators, arXiv (2026)

Open Position 2. End-to-End Computational Imaging: Joint Design of Optics and Artificial Intelligence

일반적인 카메라 시스템에서는 렌즈를 먼저 설계한 후, 렌즈에서 발생한 수차와 영상 열화를 별도의 영상처리 알고리즘으로 보정합니다. End-to-end imaging에서는 광학계, 이미지센서, 영상복원 신경망을 하나의 통합된 시스템으로 보고 최종 영상 품질이나 인공지능 인식 성능을 기준으로 전체 시스템을 공동 설계합니다.

본 연구실에서는 대면적 메타렌즈로 촬영된 실제 영상의 색수차와 공간적으로 변화하는 영상 열화를 딥러닝으로 복원하는 연구를 수행하였습니다. 기존 연구에서는 직경 10 mm의 대면적 메타렌즈와 딥러닝 기반 영상복원 방법을 결합하여 full-color metalens imaging을 구현하였습니다.

후속 연구에서는 단순한 영상복원을 넘어 메타렌즈의 구조, point-spread function, 센서 특성, 영상복원 모델 및 downstream AI task를 함께 고려합니다. 최종 목표는 기존 굴절렌즈 기반 카메라보다 얇고 가벼우면서도 우수한 영상 품질과 인식 성능을 갖는 차세대 computational camera를 개발하는 것입니다.

주요 연구 주제

• 메타렌즈와 딥러닝을 결합한 full-color computational imaging

• 색수차, off-axis aberration, blur 및 sensor noise의 복원

• 광학계와 영상복원 신경망의 end-to-end co-design

• 실제 촬영 영상과 시뮬레이션 영상 사이의 domain gap 해소

• 복원 영상의 화질 및 인간 인지 품질 평가

• Object detection, segmentation 및 vision-language model을 고려한 task-specific optics

• 초박형 카메라, 이미지센서 및 차세대 디스플레이용 영상 시스템

광학 설계와 영상처리를 함께 연구하고 싶은 학생, 또는 computer vision과 딥러닝 기술을 실제 광학 시스템에 적용하고 싶은 학생에게 적합한 연구 분야입니다.

Reference1: Deep-Learning-Driven End-to-End Metalens Imaging, Advanced Photonics 6, 066002 (2024)

Reference2: VLM-Aware Meta-Optic Front-End Design for Frozen Vision-Language Models, arXiv (2026)

Open Position 3. Inverse Design and Fabrication of Metasurfaces and Photonic Integrated Circuits: Gen. AI and Adjoint Optimization

메타표면과 광집적회로는 수많은 나노구조와 설계 변수로 구성되기 때문에, 사람의 직관이나 단순한 parameter sweep만으로 최적의 구조를 찾기 어렵습니다. 본 연구에서는 원하는 광학 기능을 먼저 정의한 후, 이를 구현할 수 있는 광소자 구조를 계산적으로 탐색하는 photonic inverse design을 수행합니다.

연구는 크게 Generative-AI 기반 역설계와 adjoint topology optimization 기반 역설계로 구분됩니다.

1. Generative-AI 기반 광소자 역설계

Diffusion model과 같은 생성형 인공지능을 이용하여 목표 투과 스펙트럼, 파면, 편광 변환 또는 영상 기능을 만족하는 광소자 구조를 생성합니다. 물리 시뮬레이션 결과와 fabrication constraint를 생성 과정에 반영하여 높은 성능과 제작 가능성을 동시에 갖는 구조를 설계합니다.

본 연구실에서 개발한 AdjointDiffusion은 diffusion model의 생성 과정에 adjoint sensitivity를 결합하여, 물리적 성능을 직접 개선하면서 제작 가능한 광소자 구조를 생성하는 방법입니다.

2. Adjoint Topology Optimization 기반 광소자 역설계

Maxwell 방정식 기반의 full-wave simulation과 adjoint method를 이용하여 설계 영역의 물질 분포를 직접 최적화합니다. 많은 설계 자유도에 대한 gradient를 효율적으로 계산할 수 있어, 기존 설계 방법으로 구현하기 어려운 자유형상 구조와 다기능 광소자를 개발할 수 있습니다.

고수치개구 metalens, broadband achromatic metalens, wavelength demultiplexer, waveguide coupler, mode converter, color router 및 polarization-control metasurface와 같은 다양한 소자를 연구할 수 있습니다. High-NA achromatic metalens 연구는 자유형상 구조와 adjoint 기반 역설계를 이용하여 넓은 파장 영역과 높은 numerical aperture를 동시에 다루는 대표적인 사례입니다.

설계에 그치지 않고 전자빔 리소그래피, 박막 증착, 식각 등의 나노공정을 고려한 fabrication-aware optimization과 제작된 소자의 광학 측정까지 연구 범위에 포함됩니다.

주요 연구 주제

• Diffusion model과 generative AI를 이용한 광소자 구조 생성

• Adjoint method 및 topology optimization 알고리즘 개발

• 메타표면, 메타렌즈 및 광집적회로 역설계

• 다파장, 다편광 및 다기능 광소자 설계

• Minimum feature size와 식각 오차를 고려한 fabrication-aware design

• Surrogate solver와 inverse design의 결합

• 광소자 나노공정, SEM 분석 및 광학적 성능 측정

전자기학, 광학, 반도체 공정 또는 인공지능 중 하나의 분야에 경험이 있는 학생이 지원할 수 있으며, 입학 후 연구 주제에 필요한 다른 분야를 함께 학습하게 됩니다.

References

• High-NA Achromatic Metalenses by Inverse Design, Optics Express 28, 6945–6965 (2020)

• Physics-Guided and Fabrication-Aware Inverse Design of Photonic Devices Using Diffusion Models, ACS Photonics 13, 363–372 (2026)

3. 혜택

• 등록금 (전액 장학금) + 인건비 (평균 월220만원) + 연구 인센티브

• 최상급 개인 PC 및 모니터 제공

4.지원 기간 및 방법

• 지원기간: 수시 모집

• 지원 방법: 이메일로 지원 (이력서, 성적표 사본, 간단한 지원동기 포함)

5.문의 및 지원 방법

• 연구실 분위기, 실질 급여,  졸업 후 진로, 연구 분야 등 구체적인 상담 (정해준 교수: haejun AT hanyang.ac.kr 및 교수 오픈카톡 https://open.kakao.com/o/s40l3M1c)

6. FAQ

Q. 지원 학과에 따라 연구 내용이 달라지나요?

연구 주제는 지원 학과와 관계없이 지원자의 학부 전공, 수강 과목, 학술적 관심사, 향후 진로 등을 바탕으로 충분한 논의를 거쳐 결정합니다.

Q. 지원 가능한 학과별로 어떤 차이가 있나요?

지원 가능한 학과와 주요 지원 혜택은 다음과 같습니다.

1. 인공지능반도체학과: 등록금 면제

2. 융합전자공학과: BK21 장학금 지원

3. 인공지능학과: 등록금 면제

4. 나노반도체학과: 등록금 면제, SK하이닉스 채용 연계

세부 지원 조건과 혜택은 학과 및 사업단의 운영 방침에 따라 달라질 수 있습니다.

Q. 학부연구생 또는 석사과정만 수행한 후 해외 대학원에 진학해도 되나요?

네, 가능합니다. 연구실에서는 해외 대학원 진학을 준비하는 학생들의 연구 경험 축적, 논문 작성, 추천서 준비 등을 적극적으로 지원하고 있습니다.

Q. 연구 과제와 개인 연구에는 각각 어느 정도의 비율로 참여하나요?

학생마다 차이가 있으나, 일반적으로 연구 과제와 개인 연구의 비율은 2:8에서 0:10 정도로 유지하고 있습니다. 연구실에서는 학생이 주도적으로 수행하는 개별 연구와 논문 작성에 높은 비중을 두고 있습니다.

Q. 해외 파견 대상자는 어떤 기준으로 선발하나요?

대학원생 중 개인 연구에서 우수한 성과와 연구 역량을 보여준 학생에게 해외 파견 기회를 우선적으로 제공합니다. 연구 성과뿐 아니라 자기주도성, 연구 지속성, 협업 능력 등을 종합적으로 고려합니다.

Q. 석사과정과 석박사통합과정의 선발 절차가 다른가요?

지원자 중 석박사통합과정 지원자를 우선적으로 선발합니다. 이후 남은 선발 인원에 대해 석사과정 지원자를 선발합니다.

Q. 연구 지도는 어떤 방식으로 이루어지나요?

관련 연구 분야의 학생들로 구성된 팀 미팅을 매주 진행합니다. 각 연구자는 약 20~40분 동안 연구 진행 상황을 공유하고, 지도교수 및 팀원들과 연구 방향, 문제점, 향후 계획에 대해 피드백과 토론을 진행합니다.

필요한 경우 팀 미팅 외에도 개별 면담을 통해 연구 지도를 받을 수 있습니다.

Q. 졸업 후 진출할 수 있는 기업 분야에는 어떤 것들이 있나요?

다음과 같은 분야의 기업으로 진출할 수 있습니다.

• 반도체 기업

• 반도체 장비 기업

• 이미지센서 및 비메모리 반도체 기업

• 인공지능 기업

• 광학 및 디스플레이 기업

• 광소자 및 광통신 기업

학생의 연구 주제와 관심 분야에 따라 다양한 진로를 선택할 수 있습니다.

Q. 연구 분야에 대해 자세히 알고 싶습니다.

홈페이지의 Research 탭을 참고해 주시기 바랍니다. 주요 연구 주제와 최근 연구 성과를 확인할 수 있습니다.

Q. 다른 대학원이나 연구실에 중복 지원해도 되나요?

네, 가능합니다. 다른 대학원이나 연구실에 중복 지원하더라도 인터뷰 과정에서 불이익은 없습니다. 다만 최종 진학 여부는 안내된 기한까지 알려주시기 바랍니다.

Q. 김박사넷 오각형은 어땠나요?

꽉 찬 오각형이었습니다.

Q. 연구실의 주요 장점은 무엇인가요?

첫째, 교수와 학생이 서로 존댓말을 사용하는 수평적이고 상호 존중하는 연구 문화를 지향합니다. 학생이 스스로 제안한 창의적이고 자유로운 연구 주제를 적극적으로 지원합니다.

둘째, 연구실에서 발표하는 논문의 주저자는 대부분 연구실 소속 대학원생입니다. 학생들이 연구 주제를 설정하고, 연구를 수행하며, 논문을 작성하여 출판하는 전 과정을 주도적으로 경험할 수 있도록 지도하고 있습니다.

Q. 연구실에 진학한 대학원생들의 학업 및 연구 경험은 어느 정도인가요?

최근 합격자들의 평균 학점은 약 4.0/4.5이며, 합격자 학점은 대체로 3.7/4.5에서 4.3/4.5 사이입니다. 학부연구생 경험은 평균적으로 약 6개월 정도입니다.

다만 학점과 연구 경험만으로 지원자를 평가하지 않습니다. 연구에 대한 관심이 분명하고 자기주도적으로 연구를 수행할 수 있는 학생을 매우 선호합니다.

Postdoctoral Appointee in Meta-Optics Design and Fabrication

Hanyang University, Seoul, South Korea

We invite applications for a Postdoctoral Appointee position in the field of meta-optics design and fabrication at Hanyang University. The successful candidate will focus on optimizing metasurfaces for a wide range of applications, including large-scale metalenses, AR/VR components, microLED, optical neural networks, and silicon photonics.

Key Responsibilities:

• Develop and implement large-scale inverse design algorithms for meta-optical applications or investigate optimal meta-atom designs and their interference patterns.

• Collaborate with interdisciplinary teams to advance research in meta-optics.

• Analyze simulated and experimental data using advanced computational methods.

• Disseminate research findings through publications in peer-reviewed journals and presentations at international conferences.

Required Qualifications:

• Ph.D. in Electrical and Computer Engineering, Physics, Mechanical Engineering, Materials Science, or a related field, with expertise in meta-optics or computational electromagnetics.

• Strong publication record in optics, photonics, or electromagnetics.

• Hands-on experience in metasurface design and applications, including metalenses, meta-optical displays, etc.

• Proficiency in inverse design, metasurfaces, deep learning, and computational techniques.

• Strong analytical skills and familiarity with data analysis tools.

• Proven ability to work both independently and within a collaborative research environment.

• Excellent written and oral communication skills.

Preferred Qualifications:

• Experience with simulation tools such as COMSOL, Lumerical, Meep, or FDTD codes.

• Expertise in inverse design techniques such as adjoint optimization, shape optimization, or machine learning.

• Practical experience in metasurface fabrication and characterization.

About Hanyang University: Hanyang University is a leading private research institution in South Korea, renowned for its engineering, science, and technology programs. The university is recognized for its groundbreaking research, particularly in electronics, mechanical engineering, AI, and nanotechnology. Hanyang also fosters strong industry-academia collaboration, with extensive partnerships domestically and internationally. Hanyang University is ranked 86th in the QS World University Rankings by Subject (Engineering) in 2024.

Position Details:

• Location: Seoul, South Korea

• Salary: KRW 48,000,000–60,000,000 annually + incentives

• Duration: Up to 3 years

• Resources: Access to dedicated computational resources, including high-performance CPUs and GPUs valued at ~KRW 300,000,000.

• Work Environment: Flexible remote or hybrid work options.

• Homepage: https://sites.google.com/view/eidl/home

Application Process: Interested applicants should submit a CV and a brief cover letter (including contact information for three references) to Prof. Haejun Chung at haejun@hanyang.ac.kr.

Deadline: Rolling-based recruitment until the position is filled.