콜로이드, 고분자, 젤, 바이오 물질등을 연성물질이라고 하는데 이들은 자기조립하여 나노/마이크로 크기의 구조를 만드는 성질이 있습니다. 특히 합성고분자의 경우, 현재 우리 주변에서 사용되는 다양한 용기/화학재료/구조재료 등에 사용되어 왔고, 최근에는 이의 나노구조에 대한 연구가 활발하게 이루어지고 있습니다.
국내외적으로 고분자 나노구조를 연구하는 다양한 실험/이론 그룹들이 있는데, 본 연구실에서는 2009년 이래 고분자 나노구조 계산을 하기 위해 필요한 다양한 이론적 도구들를 개발하고 있고, 이를 통해 실험결과를 예측하고 분석하여 가이드 해주는 연구들을 수행하고 있습니다. 고분자의 통계물리학적 성질을 평균장 이론으로 계산하는 자체일관 장이론(SCFT)를 이용한 연구를 오래 수행해 왔고, 최근에는 요동효과까지 포함하는 보다 정밀한 시뮬레이션 도구인 랑쥬뱅 장이론 시뮬레이션(L-FTS)의 개발과 응용에 주력하고 있습니다.
수 년 전부터 기계학습(Machine Learning)을 과학 연구에 응용하려는 시도가 활발히 이루어지고 있는데, 본 랩에서는 딥러닝 기법을 이용한 연성물질의 해석을 시도해 보고 있고 이를 이용해 시뮬레이션을 가속하는 연구를 수행하는 중입니다. 전통적인 통계물리학은 물론 딥러닝, AI 등의 주제에 관심이 있는 학생들의 참여를 환영하고 있습니다.
I am a statistical physicist with an interdisciplinary background, having worked on soft matter physics, polymer physics, biophysics and machine learning. Currently, my primary research interest is in the theoretical modeling of nanometer scale structure formation of polymeric materials using mean field and beyond-mean field theory, and the application of deep learning for soft matter and biological physics researches.