모집중 [석박사 통합과정 / 박사과정 모집] Spiking Neural Networks · Neuromorphic Computing

고려대학교 전기전자공학부 Efficient Machine Intelligence Lab(EMI Lab, 지도교수 김영은)에서 함께 연구할 석사·박사·석박사통합과정 학생을 모집합니다. EMI Lab은 최신 인공지능 모델을 더 빠르고 작으며 효율적으로 만들어 실제 하드웨어와 다양한 환경에 배포하는 연구를 수행합니다. 특히 현재 **Spiking Neural Networks(SNNs), spike-based learning, 효율적인 spiking algorithms 등 뉴로모픽 AI 알고리즘 분야를 함께 개척할 학생을 적극적으로 모집하고 있습니다.** 기존 딥러닝 모델을 spiking 모델로 전환하거나, 대규모 AI 모델과 뉴로모픽 컴퓨팅을 연결하고, 실제 뉴로모픽 하드웨어에서 효율적으로 동작하는 알고리즘을 설계하는 연구에 관심 있는 학생을 환영합니다. 새롭게 시작하는 연구실의 초기 멤버로서 연구실의 방향과 문화를 함께 만들어갈 열정적인 학생을 기다립니다. 뉴로모픽 컴퓨팅에 대한 사전 연구 경험이 없더라도, 머신러닝과 딥러닝에 대한 기초를 바탕으로 새로운 분야를 적극적으로 배우고 연구하고자 하는 학생이라면 지원할 수 있습니다. 주요 연구 분야는 다음과 같습니다. * **Neuromorphic AI & Spiking Neural Networks** * Efficient spiking algorithms and learning methods * ANN-to-SNN conversion and direct SNN training * Spiking Transformers and spiking multimodal models * Large-scale and foundation-model-inspired spiking architectures * Neuromorphic hardware-aware optimization and deployment * Efficient LLMs & Multimodal AI * Scalable Agentic AI * Model Compression: Quantization, Pruning, Neural Architecture Search * Continual Learning & Test-Time Adaptation * Hardware-aware AI and Algorithm–Hardware Co-design 특히 다음과 같은 연구 질문에 관심 있는 학생을 우선적으로 찾고 있습니다. * SNN의 정확도와 학습 효율을 기존 딥러닝 모델 수준으로 높이려면 어떻게 해야 하는가? * Transformer, LLM, VLM과 같은 대규모 모델에 spiking computation을 어떻게 효과적으로 적용할 수 있는가? * 시간적 희소성과 event-driven computation을 활용해 실제 연산량과 에너지 소비를 줄일 수 있는가? * 모델 압축, continual learning, test-time adaptation 기술을 SNN과 어떻게 결합할 수 있는가? * 알고리즘과 뉴로모픽 하드웨어를 공동 설계하여 실질적인 성능 향상을 만들 수 있는가? 지도교수는 Yale University에서 박사학위를 취득하고, Meta Reality Labs의 Research Scientist 및 Amazon AWS AI Labs의 Applied Scientist로 근무하였습니다. 최근 ICML 2026 Spotlight, CVPR 2026, NeurIPS 2025, ICCV 2025 등 주요 AI·컴퓨터비전·시스템 학회에서 연구 성과를 발표하였습니다. ■ 지원 자격 * 전기전자공학, 컴퓨터공학, 인공지능 또는 관련 분야의 학사·석사학위 취득자 및 취득 예정자 * Python 등 프로그래밍 역량을 갖추고 있거나 적극적으로 학습할 의지가 있는 분 * 선형대수, 확률 및 통계, 최적화 등 머신러닝의 수학적 기초에 관심이 있는 분 * PyTorch를 활용한 딥러닝 연구 경험이 있는 분 우대 * **Spiking Neural Networks, spike-based learning, neuromorphic algorithms 및 event-driven computing 연구에 관심 있는 분 적극 우대** * LLM/VLM, AI Agent, 모델 경량화 또는 하드웨어 친화적 AI 연구에 관심이 있는 분 * 자기주도성, 성실성, 정직성 및 협업 태도를 갖춘 분 지원자의 현재 전공이나 뉴로모픽 컴퓨팅 연구 경험보다는 연구에 대한 관심과 성장 가능성을 중요하게 평가합니다. **SNN 또는 뉴로모픽 알고리즘을 처음 접하는 경우에도, 딥러닝에 대한 기본적인 이해와 새로운 연구 분야를 배우려는 의지가 있다면 적극적으로 지원할 수 있습니다.**