스마트재료이미징연구실

We study material properties in functional materials and devices, including ferroelectric, 2D/optical, and hydrogen storage materials, using various imaging techniques combined with machine learning algorithms. We develop agentic AI and autonomous experiment frameworks for AFM that autonomously perceive, plan, and execute measurements through a modular, layered architecture spanning tool control, perception, and reusable experimental skills. In particular, we implement a continuous AI-driven decision loop (hypothesis → measurement plan → validation → update) combined with structured experimental memory across multiple measurements, enabling closed-loop, self-improving autonomous AFM experimentation. We synthesize dielectric and ferroelectric ceramic powders via solid-state reaction, encompassing raw material mixing, calcination, and sintering to achieve high phase purity and density. In particular, we fabricate dielectric and ferroelectric thin films through atomic layer deposition (ALD), followed by post-deposition annealing and device fabrication processes. Rigorous characterization ensures consistent electrical performance, reliable thin-film quality, and excellent reproducibility for functional dielectric and ferroelectric materials. 스마트 재료이미징 연구실에서는 에너지 및 반도체 소재 연구에 위하여 머신러닝에 기반한 소재물성 분석과 원자힘현미경을 활용한 분석 등에 대한 연구를 수행하고 있습니다. 머신러닝을 활용한 물성 연구에 관심있는 분들은 yunseokkim at skku.edu로 연락해주길 바랍니다. 현재 센서소재의 기계적 물성 분석 연구(삼성전자 과제)와 AI를 활용한 센서신호 분석 연구(한국화학연구원 과제)를 진행 중에 있으며, 센서 연구를 함께할 열정적인 학생을 찾고 있습니다. 삼성전기의 주력 제품이며, 강유전체 기반 소자인 MLCC(multilayer ceramic capacitors, 적층세라믹콘덴서)의 소재 개발 연구를 함께할 학생을 찾고 있습니다. 성균관대-삼성전기 소재분야 R&E 협력 프로그램의 일환으로 삼성전기로부터 2021년부터 연구비를 지원받게 되었으며, 다양한 관점에서 MLCC 연구를 함께 할 열정적인 학생을 찾고 있습니다. MLCC의 기반인 파우더 기반 유전소재 합성부터 시작하여, 물성분석과 AI 적용까지 참여할 수 있습니다. 연료전지 분리판에서의 전기화학