AIQF Chem Lab

AI 양자 융합 화학 연구실(AIQF Chem Lab)은 인공지능, 양자 화학, 그리고 물리화학의 여러 분야에서 폭넓고 다양한 연구 주제를 탐구합니다. 저희는 자체 프로젝트를 위한 독립적인 연구뿐 아니라 활발한 외부 협력 연구를 하고 있습니다. 우리 연구실은 AI 기반 화학 물질의 탐색과 양자 과학기술 기반 화학분야 접목이라는 두 가지 시너지 축을 중심으로 연구를 수행하고 있습니다. AI 분야에서는 물리화학적 성질 예측, 분자 스펙트럼 예측, 그리고 화학무기를 포함한 위험 물질의 독성 예측을 위한 화학 머신러닝 모델을 개발하고 있습니다. 실험적 합성이나 취급이 어렵거나 사실상 불가능한 유해 화합물을 대상으로, 대규모 화학 데이터셋과 첨단 신경망 구조를 활용하여 독성 화합물의 식별 및 평가를 가속화하는 것을 최근 목표로 합니다. 양자 과학 분야에서는 파라수소 기반 초분극 기술을 연구하여 NMR 신호 감도를 획기적으로 향상시키고, 이를 통해 극미량 화학물질 검출과 기존 방식으로는 접근하기 어려운 분자 구조 탐색의 새로운 경로를 개척하고 있습니다. 또한, 고전 양자화학계산 기법을 활용한 화학반응성 예측 및 특성 예측에 대한 연구뿐아니라 양자 컴퓨팅 알고리즘을 활용한 화학물질 특성 예측 및 양자 신경망과 고전적 머신러닝을 통합하는 양자-AI 하이브리드 알고리즘을 개발하여, AI와의 융합을 연구하고 있습니다. 이러한 최신 융합 연구를 활용하여, 우리 연구실은 기초 분자 물성부터 실질적인 안전 및 국방 응용에 이르기까지 도전적인 화학 물질 연구를 위한 통합적 AI-양자화학-계산화학 프레임워크를 만들어 가고 있습니다.

The AI Quantum Fusion Chemistry Lab (AIQF Chem Lab) explores a broad and diverse range of research topics across the fields of artificial intelligence, quantum chemistry, and physical chemistry. We conduct independent research on in-house projects as well as active collaborative research with external partners. Our lab carries out research centered on two synergistic pillars: AI-driven exploration of chemical materials, and the integration of quantum science and technology into the chemical domain. In the AI domain, we develop chemical machine learning models for predicting physicochemical properties, molecular spectra, and the toxicity of hazardous substances including chemical warfare agents. Our recent goal is to accelerate the identification and assessment of toxic compounds by leveraging large-scale chemical datasets and advanced neural network architectures, targeting hazardous materials whose experimental synthesis or handling is difficult or practically impossible. In the quantum science domain, we investigate parahydrogen-based hyperpolarization techniques to dramatically enhance NMR signal sensitivity, opening new pathways for detecting trace-level chemicals and probing molecular structures that are otherwise inaccessible by conventional methods. Furthermore, beyond research on chemical reactivity and property prediction using classical quantum chemical calculation methods, we also develop quantum–AI hybrid algorithms that integrate quantum computing algorithms for chemical property prediction with quantum neural networks and classical machine learning, advancing the convergence of quantum computing and AI. Through these cutting-edge convergence research efforts, our lab is building an integrated AI–quantum chemistry–computational chemistry framework for studying challenging chemical materials—from fundamental molecular properties to practical safety and defense applications.