이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
학교 수업에서 머신러닝을 분자 성질 예측에 적용하는 방법을 처음 배웠습니다. 간단한 회귀 모델로 분자 구조 기반 성질 예측을 시도했는데, 처음에는 특성 변수 선택을 잘못해서 예측 정확도가 너무 낮게 나왔습니다. 분자 구조에서 어떤 특징이 해당 성질과 관련 있는지 문헌을 먼저 확인하고 변수를 재선택했더니 예측 성능이 크게 올랐습니다. 기계적으로 모든 특징을 넣는 것보다 도메인 지식과 머신러닝을 결합하는 게 효과적이라는 걸 배웠습니다.
최종 과제에서 화학과 데이터 분석을 연결한 접근이 독특하다는 평가를 받았습니다. AI 기반 합성 연구에서는 도메인 지식이 기술만큼 중요하다고 생각합니다.
학교 실험실에서 고속 병렬 합성 장비를 처음 사용하는 실습에 참여했습니다. 기존 수동 실험보다 훨씬 빠르게 여러 조건을 동시에 테스트할 수 있다는 걸 체감했습니다. 처음에는 실험 설계를 잘못 입력해서 의도하지 않은 조건 조합이 만들어지는 오류가 생겼습니다.
입력 전 설계 파일을 다시 검토하는 검증 단계를 추가했더니 이후에는 오류가 없었습니다. 실습 과제에서 9가지 조건을 동시에 테스트해서 최적 조건을 빠르게 찾는 경험을 했습니다. 자동화 합성의 가치는 실험 속도만큼이나 설계 정확성에서 나온다는 걸 배웠습니다.
이 경험 덕분에 한 단계 성장할 수 있었습니다. 그 과정이 값진 배움이었습니다.
졸업 연구 준비 중에 오픈소스 합성 경로 탐색 도구를 처음 사용해봤습니다. 목표 분자를 입력하면 가능한 합성 경로를 제안해주는 방식이었는데, 처음에는 제안된 경로가 모두 타당하다고 생각했습니다. 각 경로의 시약 비용과 실험실 보유 장비 기준으로 실현 가능성을 평가해보니 실제로 쓸 수 있는 경로는 3개 중 1개뿐이었습니다. AI 도구가 제안하는 경로를 그대로 따르는 게 아니라 실험 맥락에 맞게 평가하는 과정이 필요하다는 걸 배웠습니다.
이 경험을 바탕으로 실험 계획서에 경로 선택 근거를 명시하는 습관이 생겼습니다. AI 도구는 선택을 도와주는 것이지 대신 결정해주지 않는다는 걸 배웠습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 기초과학연구원 일반 연구개발 면접관이 던질 가능성이 높은 후속 질문.
이 페이지의 질문·답변·꼬리질문은 유사 직군 채용 시장의 공개된 면접 후기·커뮤니티 게시물을 분석해 구성한 학습 자료입니다. 특정 회사가 실제로 이 질문을 출제했다는 것을 보장하지 않으며, 모든 예시는 우문현답이 직접 작성한 창작물입니다. 해당 회사의 공식 입장과는 무관합니다. 회사 측의 정정 요청이 있을 경우 24시간 이내에 응답·수정합니다.