신진연구자 소개

최 성 환 Sunghwan Choi

인하대학교 화학과, 조교수

sunghwanchoi@inha.ac.kr, https://sites.google.com/view/cic-lab

■ KAIST 화학과, 학사(2009. 2 - 2012. 2)

■ KAIST 화학과, 박사 (2012. 2 - 2017. 8,

지도교수 : 김우연)

■ KISTI, 선임연구원 (2017.9 - 2024.2)

■ 인하대학교 화학과, 조교수 (2024. 3 - 현재)

소개글

최성환 교수는 DFT(Density Functional Theory) 계산 및 응용 시뮬레이션을 가속화하기 위한 물리적, 수치적, 계산적 방법론 개발을 수행해왔다. 실공간 방법론을 이용하여 기존의 원자 중심 기저 함수가 가지고 있는 한계를 돌파하는 연구를 수행해 왔으며 KISTI 재직 시에는 대형 컴퓨팅 자원을 이용한 양자화학 계산 방법론에 대한 연구도 수행했다. 또한 축적된 시뮬레이션 데이터베이스를 이용하여 반복적인 양자화학 계산을 대체하기 위한 기계학습 활용 연구도 수행했다. NMR 스펙트럼 및 전이상태 구조를 얻기 위한 양자화학 계산을 대체할 수 있는 기계학습 모델을 발표하기도 했으며 최근에는 화학반응 및 분자 설계를 위한 기계학습 모델도 연구 중이다.

주요연구분야

• 물리화학(Physical Chemistry)

• 양자화학(Quantum Chemistry)

• 계산화학(Computational Chemistry)

• 밀도범함수이론(Density Functional Theory)

• 인공지능 화학(Artificial Intelligence Chemistry)

대표논문

1. S. Choi, “Prediction of transition state structures of gas-phase chemical reactions via machine learning”, Nat. Commun. 2023, 14, 1168.

2. J Woo, W. Y. Kim, S. Choi, “System-specific separable basis based on tucker decomposition: Application to density functional calculations”, J. Chem. Theory Comput. 2022, 18, 2875-2884.

3. H Han, S. Choi, “Transfer learning from simulation to experimental data: NMR chemical shift predictions”, J. Phys. Chem. Lett. 2021, 12, 3662-3668.

4. H. Kim, J. Y. Park, S. Choi, “Energy refinement and analysis of structures in the QM9 database via a highly accurate quantum chemical method” Sci. Data 2019, 6, 109.

5. S. Choi, Y Kim, JW Kim, Z Kim, W. Y. Kim “Feasibility of activation energy prediction of gas‐phase reactions by machine learning ”, Chem. Eur. J. 2018, 24, 12354-12358.