(English)

Research Vision

AI⁴M Lab pioneers an AI-native, closed-loop research ecosystem for next-generation batteries and energy materials. We integrate AI deeply into every step — AI agents help plan, run, and refine experiments on instruments we introduce and operate ourselves — tightly connecting Computation, Experiment, and Data into a single autonomous loop that drastically accelerates the discovery and optimization of materials.

Research Culture

✨ We strive to research 'smarter,' not just harder.

• Fluent Use of Modern AI Tools: Our lab actively uses modern AI tools across research, coding, and collaboration. Since specific tools come and go quickly, we value the ability to rapidly learn useful tools and integrate them naturally into research workflows, rather than memorizing a fixed list of platforms. By reducing repetitive tasks, we create an environment where researchers can focus more deeply on creative problem-solving and rigorous analysis.
• Convergence Methodology:
  • First-Principles Calculation: Precise property prediction via DFT calculations and MLIPs.
  • Data-Driven AI: Developing Machine Learning models based on experimental data (Specializing in Small Data & Noise Handling).
  • Autonomous Experimentation: Building AI-driven optimization and automated experimental workflows.
  • Instrumentation & Hardware Integration: Controlling and integrating lab instruments and robotics we introduce ourselves to enable closed-loop autonomy.

Key Research Topics

• 🔋 Materials & Electrochemistry (Domain): Design & optimization of next-gen battery materials (ASSB, cathode, solid electrolytes) and electrochemistry
• 🧠 AI & Computation: Physics-informed modeling and machine-learning interatomic potentials (MLIP) for property and dynamics prediction
  • Generative & inverse design of materials with synthesizability validation
  • Materials foundation models, representation learning, and FAIR data infrastructure
• 🤖 Autonomous Experimentation: Closed-loop decision-making via active learning and Bayesian optimization
  • High-throughput experimentation (HTE) and autonomous characterization (automated acquisition & interpretation of XRD, spectroscopy, microscopy)
  • LLM- and multi-agent-driven experiment design and orchestration
• 🛠️ Instrumentation & Lab-Automation Engineering: Real-time instrument control & integration (MCP/CLI); building and operating robotic synthesis/deposition platforms we introduce ourselves
  • Digital-twin-based sim-to-real validation, sensor & hardware-interface design

Who We Are Looking For

Academic Background

• Majors: Materials Science & Engineering, Chemical Engineering, Chemistry, etc.
• Convergence: Majors in AI / Computer Science / Mechanical / Electrical / Control / Robotics / Mechatronics Engineering with a strong interest in materials research are highly welcome — including those who want to build and operate experimental hardware directly.

Preferred Qualifications

• Experience with instrument automation & control (LabVIEW, microcontrollers, robotic arms, PLC, etc.).
• Excellency in AI tools
• Proficiency in programming (Python, etc.).
• Experience with DFT calculations.
• Experience in battery material experiments.

Eligibility

• Prospective graduates or recent graduates.

💡 Note: Our lab covers a wide range of fields including experiments, computation, and coding. You do not need to be perfect in all these areas at the start. Even if you lack experience in a specific field, a passion for learning and utilizing new tools (AI) is all that matters.

Benefits: Why AI⁴M?

🎯 We provide top-tier support and environment so you can fully immerse yourself in research.

• Research Environment: We offer an exceptionally spacious and comfortable individual workspace. To maximize research efficiency, high-end workstations/PCs are provided to every researcher.
• AI Tools: Premium LLM (e.g., Claude Max, ChatGPT Pro) are provided to every researcher, enabling an AI-powered research workflow for maximum productivity.
• Financial Support: Full tuition coverage, monthly stipend, and performance-based incentives.
• Growth & Networking: On-campus housing (dormitory) available; active support for attending domestic and international conferences.

How to Apply

We welcome inquiries regarding admissions and lab life. If you are interested in applying, please send the following documents by email.

• Personal Statement (or Cover Letter)
• Curriculum Vitae (CV)
• Contact: [email protected]

Recruitment Schedule

• Graduate Students: We are recruiting for the Spring 2027 semester. Please contact us in advance according to the admission schedule. (📌 [DGIST Admission Guide])
• UGRP (Undergraduate Research): Undergraduates interested in AI-based material research are welcome to apply at any time.
• ~~Postdoctoral Researcher: Please send us your CV with cover letter.~~ [We are not currently hiring postdoctoral researchers.]
  • [Closed announcement]

[Closed] Special Opening: Postdoctoral Researcher (DGIST InnoCORE E-MatAX)

(Korean)

연구 비전

AI⁴M Lab은 차세대 배터리·에너지 소재를 위한 AI-native 폐루프(Closed-loop) 연구 생태계를 선도합니다. AI를 연구의 모든 단계에 깊이 통합하여, 우리가 직접 도입하고 운용하는 실험 장비 위에서 AI 에이전트가 실험을 계획·수행·개선하도록 합니다. 계산(Computation)·실험(Experiment)·데이터(Data)를 하나의 자율 폐루프로 긴밀히 연결해, 소재의 발견과 최적화를 획기적으로 가속하는 것이 우리의 목표입니다.

우리의 연구 방식 (Research Culture)

✨저희는 단순히 열심히 하는 것보다 '스마트하게' 연구하는 것을 지향합니다.

• 최신 AI 및 개발 툴의 적극적 활용: 우리 연구실은 연구, 코딩, 협업 전반에 걸쳐 최신 AI 도구를 적극적으로 활용합니다. 도구의 이름은 유행처럼 바뀌기 때문에, 특정 목록을 외우기보다 좋은 도구를 빠르게 익히고 연구에 녹여내는 역량을 중시합니다. 반복 업무를 줄이고, 연구자가 창의적인 문제 해결과 깊이 있는 분석에 더 집중할 수 있는 환경을 만듭니다.
• 융합 연구 방법론:
  • 제1원리 계산 (First-Principles): DFT 및 MLIP 계산을 통한 정밀한 소재 물성 예측
  • 데이터 기반 AI: 실험 데이터 기반 머신러닝 모델 개발 (Small Data & Noise Handling)
  • 자율 실험 (Autonomous Experimentation): AI 기반 실험 최적화 및 자동화 워크플로우 구축
  • 장비·하드웨어 통합 (Instrumentation): 우리가 직접 도입한 실험 장비와 로봇을 제어·통합하여 폐루프 자율화를 구현

주요 연구 주제

• 🔋 소재·전기화학(Domain): 차세대 이차전지 소재(전고체전지·양극재·고체전해질) 설계·최적화 및 전기화학
• 🧠 AI·계산(Computation): 물리기반 모델링·머신러닝 원자간 퍼텐셜(MLIP) 기반 물성·동역학 예측
  • 생성형 모델 기반 소재 역설계(Inverse Design) 및 합성가능성 검증
  • 소재 파운데이션 모델·표현학습, FAIR 데이터 인프라
• 🤖 자율실험(Experiment): 능동학습·베이지안 최적화 기반 폐루프(closed-loop) 의사결정
  • 고처리량 실험(HTE) 및 자율 특성분석(XRD·분광·현미경 측정의 자동 획득·해석)
  • LLM·멀티에이전트 기반 실험 설계·오케스트레이션
• 🛠️ 자율실험 장비·계측 엔지니어링(Instrumentation): 실험 장비 실시간 제어·통합(MCP/CLI), 우리가 직접 도입한 로봇 합성·증착 플랫폼 구축·운용
  • 디지털 트윈 기반 sim-to-real 검증, 센서·하드웨어 인터페이스 설계

지원 대상

전공 요건

• 관련 전공: 재료공학, 화학공학, 화학 등
• 융합 전공: 소재/공정 연구에 관심 있는 AI·컴퓨터공학·기계·전자·제어·로보틱스·메카트로닉스 전공자도 환영합니다. 특히 실험 장비를 직접 도입·운용하는 트랙에 관심 있는 분을 적극 찾고 있습니다.

우대 사항

• 장비 자동화·제어 경험(LabVIEW, 마이크로컨트롤러, 로봇팔, PLC 등) 또는 하드웨어 직접 운용 경험 보유자
• AI 활용 능숙자
• 프로그래밍 (Python 등) 능력 보유자
• DFT 계산 경험자
• 2차전지 소재 관련 실험 경험자

공통 자격

• 대학원 진학 예정자 및 기졸업자

💡 참고: 저희 연구실은 실험, 계산, 코딩을 폭넓게 다루지만, 입학 시점에서 이 모든 것을 완벽하게 잘할 필요는 없습니다. 특정 분야에 경험이 부족하더라도, 새로운 도구(AI)를 배우고 활용하려는 열정이 있다면 충분합니다.

지원 혜택 (Why AI⁴M?)

🎯 연구에만 몰입할 수 있도록 최고 수준의 대우와 환경을 제공합니다.

• 연구 환경: 넓고 쾌적한 개인 오피스 공간을 제공하며, 연구 효율을 극대화할 수 있는 최고 사양의 PC 및 장비를 지급 합니다.
• AI 도구 지원: Claude Max, ChatGPT Pro 등 최고 수준의 LLM 을 지원하여, 연구 생산성을 극대화할 수 있는 AI 활용 환경을 제공합니다.
• 금전 지원: 등록금 전액 지원 및 생활비(Stipend) 지원, 성과에 따른 인센티브 지급
• 성장 지원: 기숙사 입주 가능, 국내외 학회 참가 및 발표 기회 적극 제공

지원 방법

진학 및 연구실 생활에 대한 자유로운 상담이 가능합니다. 진학을 원하시는 분은 아래 서류를 이메일로 보내주세요.

• 자기소개서
• 이력서 (CV)
• 문의처: [email protected]

모집 일정

• Graduate Student (대학원생): 2027년 봄학기 대학원생을 모집합니다. 입학 전형 진행에 앞서 연락주시기 바랍니다. (📌 [DGIST 대학원 입학 안내 링크])
• UGRP (학부연구생): AI 기반 소재 연구에 관심 있는 학부생은 언제든 환영합니다.
• ~~Postdoctoral Researcher: Please send us your CV with cover letter.~~ [We are not currently hiring postdoctoral researchers.]

[마감] 특별 공고: 박사후연구원 모집 (DGIST InnoCORE E-MatAX)