연세대학교 수학계산학부(계산과학공학) 학부인턴연구원(CSE-URP)
연세대학교 수학계산학부(계산과학공학) 학부인턴연구원(CSE-URP)
계산과학공학과(CSE) 학부인턴연구원(URP)은 수리 모델링과 시뮬레이션을 통해 공학·의료·자연과학 등의 문제를 해결하는 학부생 연구 프로그램입니다.
계산과학공학이란
계산과학공학(Computational Science and Engineering)은 계산을 중심에 둔 다학제적 학문입니다. 전통적인 공학 분야의 지식을 응용 수학 및 컴퓨팅 기술과 접목해, 현실의 복잡한 문제를 수리모델링-시뮬레이션-시각화의 과정을 거쳐 해결하는 것을 목표로 합니다.
과학과 공학에서 관찰되는 다양한 현상은 편미분방정식을 비롯한 수학적 모델로 기술됩니다. 계산과학공학은 이 모델을 컴퓨터로 풀어내는 알고리즘을 개발하고, 그 결과를 실제 데이터로 검증하며, 산업과 의료 현장 등에서 쓰일 수 있는 프로그램을 발전시키는 전 과정을 다룹니다.
Computational Science and Engineering (CSE) is a multidisciplinary field centered on computation. It combines knowledge from traditional engineering disciplines — electrical, mechanical, materials, and biomedical engineering — with applied mathematics and computing technology to solve complex real-world problems through a pipeline of mathematical modeling, simulation, and visualization.
Many phenomena observed in science and engineering are described by mathematical models, including partial differential equations. CSE develops algorithms that solve these models on computers, validates the results against real data, and turns them into programs that can be used in industry and healthcare.
URP 프로그램 진행 과정
URP는 학기가 아닌 여름방학과 겨울방학 동안의 Summer/Winter School로 시작해, 연구실 배정 이후에는 각 연구실 별 프로그램으로 운영되는 단계형 프로그램입니다. 인턴들은 통합 관리를 통해 전체 인턴이 함께하는 세미나와 교수님 특강에도 참여할 수 있고, 동시에 배정된 연구실에서 개별 세미나와 프로젝트를 진행하며, 이후 Open Lab · Poster Session에 참여해 그 성과를 발표합니다.
URP runs during the summer and winter breaks rather than the semester, starting with a Summer/Winter School. Once placed in a lab, students follow that lab's own program — while also joining shared seminars and faculty guest lectures offered to all interns — and carry out lab-specific seminars and projects before presenting their results at the Open Lab · Poster Session.
여름방학과 겨울방학 동안 진행되는 기초 프로그램으로, 계산과학공학의 핵심 개념과 사고방식을 익힙니다.
A foundational program held during the summer and winter breaks that introduces the core concepts and mindset of CSE.
관심 분야에 맞는 연구실에 배정되어 연구실 별 프로그램에 참여합니다. 인턴 전체를 위한 통합 세미나와 교수님 특강에도 참여할 수 있고, 배정된 연구실에서는 개별 세미나와 프로젝트를 진행합니다.
Students are placed in a lab matching their interests and follow that lab's own program. They also join seminars and faculty guest lectures shared across all interns, while carrying out lab-specific seminars and projects.
연구실 별 연구 활동 결과를 포스터로 정리해 발표하는 Open Lab · Poster Session에 참여합니다.
Students present their lab research as a poster at the Open Lab · Poster Session.
연구분야
연세대학교 계산과학공학과는 수학적 모델링, 수치해석, 인공지능 기술을 융합하여 산업·의료·자연과학 전반의 복잡한 문제를 해결합니다.
The Department of Computational Science and Engineering at Yonsei University integrates mathematical modeling, numerical analysis, and artificial intelligence to address complex challenges across industry, medicine, and natural sciences.
수학적 이론을 바탕으로 기계학습 및 데이터마이닝 알고리즘을 개발하며, 멀티모달 연관 문제 해결을 위한 그래프 학습(Graph Learning) 및 In-house AI 모델 연구를 수행합니다.
We develop machine learning and data mining algorithms built on solid mathematical foundations, specializing in Graph Learning and in-house AI models for multi-modal real-world problems.
해석학, 편미분방정식, 최적화 이론을 현대 AI 기술(Diffusion 모델, Optimal Transport)과 연결하여 수학적으로 신뢰할 수 있는 기계학습 알고리즘을 정립합니다
We bridge classical analysis, partial differential equations (PDEs), and optimization with modern AI techniques (Diffusion models, Optimal Transport) to establish mathematically rigorous and reliable machine learning algorithms.
수치해석과 병렬 컴퓨팅을 결합하여 열유동, 가스터빈, 배터리 시스템, 의료 현상 등 복잡한 물리 현상을 시뮬레이션하고, 신뢰성을 높인 디지털 트윈(Digital Twin) 기술을 구축합니다
Combining numerical methods with parallel computing, we simulate complex physical phenomena such as thermal-fluid flows, gas turbines, medical situation and battery systems to build high-fidelity Digital Twin technologies.
GPU 병렬 가속 기반의 실시간 유동 시뮬레이션과 딥러닝 기법을 활용하여 복잡한 난류 특성을 분석하고, 미래 유동 예측 및 제어 알고리즘을 연구합니다.
Utilizing GPU-accelerated real-time simulations and deep learning, we analyze complex turbulence characteristics and develop algorithms for flow prediction and control.
비선형 편미분방정식을 해결하기 위한 불연속 갤러킨 기법 등 안정적이고 효율적인 수치해법의 이론적 근사 알고리즘을 개발하고 응용합니다.
We develop and analyze stable, mass-conserving numerical methods—such as Discontinuous Galerkin methods—for solving complex linear and non-linear partial differential equations
물리기반 AI 네트워크와 딥러닝 알고리즘을 통해 의료 영상 분석, 치료계획 수립, 실시간 모니터링 및 의료 디지털 트윈 구축을 연구합니다
We develop physics-informed AI networks and deep learning models for medical image analysis, treatment planning, real-time monitoring, and medical digital twins.