Skip to content

연구

양자정보, 시뮬레이션, 하드웨어 인지 소프트웨어

연구 스택: 텐서 네트워크, AMO 플랫폼, 프로덕션급 툴링.

Spotlighting 3 strategic areas.

Focus areas

3

Strategic areas

Projects

12

연구 이니셔티브 & 툴링

Publications

3

관련 출판

연구
Area 1

양자정보 & 계산

Quantum information

콜라츠 텐서화 MPhil 논문과 Piquasso/ffsim 유지보수, 하드웨어 인지 런타임 트랙을 묶은 축입니다.

연산자·텐서 네트워크 관점의 구조적 탐색, 포토닉/페르미온 시뮬레이터 재현성 유지, IBM 챌린지 런타임·미티게이션 설계까지 이어집니다.

핵심 결과3
  • 콜라츠 궤적을 텐서 연산자로 맵핑해 탐색 구조를 분석했습니다.
  • 포토닉·페르미온 스택 간 텐서 휴리스틱을 정렬하고 커뮤니티와 공유했습니다.
  • 3천+명이 사용하는 하드웨어 인지 챌린지 트랙과 미티게이션 워크플로를 공동 제작했습니다.
진행 중2
  • 2025년 10월 논문 마감과 구조적 탐색 시각화 공개 준비.
  • 시뮬레이터 간 텐서 경로와 런타임 비용 벤치마킹.
Tensor network contraction grid highlighting bonds
요약
연구
Area 2

양자 물질·제어·시뮬레이션

Quantum matter & control

NV 센서, 쌍극자 BEC, Sr-88 리드버그 제어 미들웨어를 HKUST 협업과 함께 진행합니다.

NV 센서와 장거리 상호작용 가스를 맞추고, 중성원자 제어 스택을 제공해 실험 데이터를 신뢰 가능한 제어·시각화로 바꿉니다.

핵심 결과3
  • 센싱·상태 준비에 쓰인 NV 하이퍼파인 파라미터를 복원했습니다.
  • 쌍극자 BEC 결과를 APS DAMOP 2020에서 공유했습니다.
  • Sr-88 리드버그 제어 미들웨어를 HKUST 협업으로 전달했습니다.
진행 중1
  • 센싱 핏을 확장해 캘리브레이션 사이클을 가속.
NV-center and neutral-atom control diagram
요약
연구
Area 3

Science for AI

Science for AI

물리학식 측정 엄밀도를 AI 평가에 옮기는 연구; 아직 비공개 프로토타입 단계입니다.

보존량·불변량 체크와 인과 진단을 모델 평가 훅으로 만들고, 배포 전 실패 모드를 드러내는 스트레스 하네스를 준비 중입니다. 첫 공개 전까지는 노트북과 벤치마크를 다듬고 있습니다.

핵심 결과3
  • 보존량·불변량 평가 프로토타입을 내부에서 구축했습니다(출판 전).
  • 공유 가능한 노트북·데이터셋 릴리스 계획을 세웠습니다.
  • 물리 priors에 맞춘 메트릭으로 모델 거동과 불확실성을 해석했습니다.
진행 중1
  • 2025년에 첫 science-for-AI 연구 노트와 벤치마크 공개 준비.