Open positions (한글 버전의 공고는 아래로 스크롤) 

Open Positions: Postdoctoral Researcher (1) and Graduate Students (2)

Project: Self-Evolving Flow-Physics Learner via Autonomous Active Learning

Flow Physics & Intelligence Lab in the School of Mechanical Engineering, Kyung Hee University (PI: Prof. Jongmin Seo) is seeking one postdoctoral researcher and two graduate students (M.S./Ph.D. or integrated M.S.–Ph.D.) to join a new three-year research project in the Science of AI.

About the Project

Can an AI decide for itself what to simulate, verify its own answers, and keep learning without forgetting? This project builds a closed-loop AI framework that combines active learning, representation learning, and continual learning in the physical sciences. 

Newly generated physics is decomposed into atoms and accumulated in a growing dictionary, enabling the model to improve with each iteration, extrapolate to unseen flow conditions, and expand to new domains. The framework will be tested on a hierarchy of benchmarks, then extended to data-driven modeling.

Postdoctoral Researcher (1 position)

Role: Lead the integration of the closed loop (diagnosis ↔ exploration), including the definition of sub-grid error metrics, their mapping to solver configurations, and convergence/stability analysis of the active-learning loop. The postdoc will also help mentor graduate students and lead publications.

Required qualifications

• Ph.D. in Mechanical/Aerospace Engineering, Applied Mathematics, Physics, Computer Science, or a related field (or expected before the start date)

• Strong background in computational fluid dynamics and turbulence

• Experience with machine learning for scientific problems (e.g., super-resolution, reduced-order modeling, generative models)

• Proficiency in Python and C++; first-author publications in peer-reviewed journals

Preferred qualifications

• Experience developing solvers in OpenFOAM or in-house DNS/LES codes

• Knowledge of LES sub-grid modeling, POD, dictionary learning/sparse coding, or active learning

• Experience with LLM-based code generation or symbolic PDE processing

• Familiarity with HPC environments (MPI, GPU computing)

Graduate Students (2 positions, M.S./Ph.D.)

Develop an AI-driven pipeline that parses symbolic PDEs and automatically writes, compiles, and runs flow solvers, and verify it on multiphysics benchmark problems.

Build physical basis dictionaries from DNS databases and develop super-resolution models for sub-grid turbulence reconstruction.

Qualifications

• B.S. or M.S. in Mechanical/Aerospace Engineering, Physics, Applied Mathematics, Computer Science, or a related field

• Solid foundation in fluid mechanics and/or numerical methods

• Programming experience in Python and/or C++

• Strong motivation to work at the intersection of physics and AI

• Prior experience with CFD, deep learning frameworks, or Linux environments is a plus but not required

What We Offer

• Research at the frontier of Science of AI, with a clear path to high-impact publications

• Access to an in-house 350-core CPU cluster and GPU workstations (including NVIDIA RTX 5090)

• Opportunities for international collaboration and research exchange

• Competitive stipend/salary and full tuition support for graduate students

• Support for attending international conferences

Appointment

• Start date: ASAP

• Duration: Postdoc: 1 year, renewable based on performance, up to 3 years. 

• Location: Kyung Hee University, Global Campus, Yongin, Gyeonggi-do, Republic of Korea

How to Apply

Please send the following materials to Prof. Jongmin Seo (jseo@khu.ac.kr) with the subject line "[Application] Postdoc / Graduate Student – Your Name":

1. (All) CV (including a publication list, if any)

2. (All) A brief statement of research interests (1 page)

3. (Graduate students) Transcripts

4. (Postdoc) Contact information for 2–3 references 

5. (Postdoc) Up to two representative publications or code samples (optional; e.g., a GitHub link) 

Applications will be reviewed on a rolling basis until the positions are filled. Informal inquiries about the project are welcome.

채용 공고(한국어 버전): 박사후연구원(1명) 및 대학원생(2명)

과제명: 자율 능동학습을 통한 자기진화형 유체물리 학습모델 개발

경희대학교 기계공학부 Flow Physics & Intelligence Lab(지도교수: 서종민 교수)에서는 Science of AI 분야의 신규 3년 연구과제에 참여할 박사후연구원 1명과 대학원생 2명(석사/박사 또는 석박사통합과정)을 모집합니다.

과제 소개

AI가 무엇을 시뮬레이션할지 스스로 결정하고, 스스로 답을 검증하며, 잊지 않고 계속 학습할 수 있을까요? 본 과제는 물리과학 분야에서 능동학습(active learning), 표현학습(representation learning), 연속학습(continual learning)을 결합한 폐루프(closed-loop) AI 프레임워크를 구축합니다.

새롭게 생성된 물리 데이터는 기저로 분해되어 점차 확장되는 딕셔너리에 누적되며, 이를 통해 모델은 반복할수록 성능이 향상되고, 학습하지 않은 유동 조건으로 외삽하며, 새로운 도메인으로 확장될 수 있습니다. 개발된 프레임워크는 단계적 벤치마크 문제를 통해 검증한 후 데이터 기반 모델링으로 확장할 예정입니다.

박사후연구원 (1명)

담당 업무: 아격자(sub-grid) 오차 지표 정의, 오차 지표와 솔버 구성 간의 매핑, 능동학습 루프의 수렴성·안정성 분석 등 폐루프(진단 ↔ 탐색) 통합 연구를 주도합니다. 또한 대학원생 지도를 지원하고 논문 출판을 주도합니다.

필수 자격요건

• 기계/항공우주공학, 응용수학, 물리학, 컴퓨터공학 또는 관련 분야 박사학위 소지자(또는 임용일 이전 취득 예정자)

• 전산유체역학 및 난류에 대한 탄탄한 배경지식

• 과학 문제에 대한 머신러닝 적용 경험(예: 초해상도 복원, 차수축소 모델링, 생성형 모델)

• Python 및 C++ 활용 능력, 동료심사 학술지 제1저자 논문 실적

우대 사항

• OpenFOAM 또는 자체 개발(in-house) DNS/LES 코드 기반 솔버 개발 경험

• LES 아격자 모델링, POD, 딕셔너리 학습/희소 코딩(sparse coding), 또는 능동학습에 대한 지식

• LLM 기반 코드 생성 또는 기호적(symbolic) PDE 처리 경험

• HPC 환경(MPI, GPU 컴퓨팅) 활용 경험

대학원생 (2명, 석사/박사)

• 기호 형태의 PDE를 해석하여 유동 솔버를 자동으로 작성·컴파일·실행하는 AI 기반 파이프라인을 개발하고, 이를 다물리 벤치마크 문제로 검증합니다.

• DNS 데이터베이스로부터 물리 기저 딕셔너리를 구축하고, 아격자 난류 복원을 위한 초해상도 모델을 개발합니다.

자격요건

• 기계/항공우주공학, 물리학, 응용수학, 컴퓨터공학 또는 관련 분야 학사 또는 석사학위 소지자

• 유체역학 및/또는 수치해석에 대한 탄탄한 기초

• Python 및/또는 C++ 프로그래밍 경험

• 물리와 AI의 융합 연구에 대한 열정

• CFD, 딥러닝 프레임워크, Linux 환경 사용 경험자 우대(필수 아님)

지원 사항

• 연구 성과를 고영향력 논문으로 이어갈 수 있는 Science of AI 최전선의 연구 기회

• 연구실 자체 보유 350코어 CPU 클러스터 및 GPU 워크스테이션(NVIDIA RTX 5090 포함) 사용

• 국제 공동연구 및 연구 교류 기회

• 경쟁력 있는 인건비/급여 지급 및 대학원생 등록금 전액 지원

• 국제학회 참석 지원 (기계공학, 물리학 및 인공지능 분야) 

임용 조건

• 임용 시기: 즉시 가능

• 임용 기간: 박사후연구원은 1년 계약이며, 성과에 따라 최대 3년까지 연장 가능

• 근무지: 경희대학교 국제캠퍼스 (경기도 용인시)

지원 방법

아래 서류를 서종민 교수(jseo@khu.ac.kr)에게 이메일로 제출해 주십시오. 메일 제목은 "[지원] 박사후연구원 / 대학원생 – 성명" 형식으로 작성해 주십시오.

1. (공통) 이력서(논문 실적이 있는 경우 목록 포함)

2. (공통) 연구 관심 분야 소개서(1페이지)

3. (대학원생) 성적증명서

4. (박사후연구원) 추천인 2–3명의 연락처

5. (박사후연구원) 대표 논문 또는 코드 샘플 최대 2건(선택사항, 예: GitHub 링크)

지원서는 채용 완료 시까지 수시로 검토합니다. 과제에 대한 문의도 언제든 환영합니다.