Research at MINT Lab

Microscopic interactions Macroscopic phenomena

We utilize AI-assisted computational materials science methodologies to analyze microscopic interactions at the atomic level in order to understand the emergent macroscopic properties of materials.
재료정보이론연구실은 전산재료과학 방법론과 소재 인공지능 도구를 통해 원자 단위의 미시적 상호작용을 분석하여 소재의 거시적 물성 현상을 이해하는 연구를 수행합니다.

Core Concept

Electron · Lattice · Spin · Ion
(전자 · 격자 · 스핀 · 이온)

Modern advanced materials are governed by coupled microscopic degrees of freedom. MINT Lab investigates how these interactions create macroscopic functionality and provide insights into their behavior and physical origins. MINT Lab's main methodology consists of computational materials science approaches with AI-Materials tools.
첨단 신소재는 전자, 격자, 스핀, 이온 등 다양한 미시적 상호작용에 의해 거시적 기능이 발현됩니다. 재료정보이론연구실은 이러한 상호작용이 어떻게 거시적 물성으로 이어지는지 탐구하여 그 거동 발현과 물리적 기원에 대한 통찰을 제공합니다. 재료정보이론연구실은 소재 인공지능 도구들과 전산재료 방법론을 활용하여 이러한 현상에 대한 연구를 수행합니다.

Electron, lattice, spin, and ion interactions
Research Areas

Computational Materials Science & AI-Materials
(전산재료 방법론 & 소재 인공지능 도구 활용 연구)

MINT Lab utilizes first-principles computational methods, including density functional theory (DFT), molecular dynamics (MD), and spin dynamics (SD), to understand the fundamental properties of materials. AI-Materials tools are integrated to accelerate the discovery and design of novel materials.
재료정보이론연구실은 밀도 범함수 이론(DFT), 분자동역학(MD), 스핀 역학(SD) 등 제일원리 계산 방법론을 활용하여 소재의 물성과 그 물리학적 근원을 이해합니다. 또한 소재 인공지능 도구를 통합하여 새로운 소재의 발견과 설계를 가속화합니다.

Transport research area
Transport전도현상

Predicting and engineering heat, charge, & ion transport in advanced materials

첨단 소재의 열, 전하, 이온 전도 특성에 대한 예측과 분석 및 제어 연구

Magnetism research area
Magnetism자기물성

Understanding spin dynamics and magnetic interactions to uncover magnetic phenomena and enable next-generation magnetic applications

자성 물질의 스핀 역학과 자기 상호작용 분석을 통한 자기물성 이해 및 자성 응용 개발

Structural diversity research area
Structural
Diversity구조 다양성

Exploring diverse atomic structures, and their energetic impact on electronic, phonon, and magnon properties

구조 다양성이 소재의 전자, 격자(포논), 스핀(마그논) 물성에 미치는 영향 탐구

Novel Computational Approach

Methodology Development
(전산재료 방법론 개발)

First-principles methodology development

Environment-Dependent
First-Principles Methods Development
환경조건을 고려한 제일원리 방법론 개발

Developing first-principles computational methods to predict materials properties under applied magnetic field and temperature conditions

Magnetic-field effects on magnetic properties 자성 물성에 대한 자기장 영향 K Kang, K Yang, K Puthalath, et. al., Phys. Rev. B 105, 184404 (2022).
Temperature effects on magnetic properties 자성 물성에 대한 온도 영향 K Kang, DG Cahill, A Schleife, Phys. Rev. B 113, 184408 (2026).
AI-assisted workflow development

AI-Assisted/Guided
Computational Workflows Development
소재인공지능 도입 및 워크플로우 개발

Building AI-assisted workflows that accelerate costly simulations, explore large materials spaces, and refine materials hypotheses through iterative feedback.

Active-learning workflow for machine-learning potentials (MLP) 능동학습 기반 기계학습 퍼텐셜 신뢰성 강화 K Kang, TAR Purcell, et. al., Phys. Rev. Materials 9, 063801 (2025).
Accelerated thermal-conductivity prediction with MLPs 기계학습 퍼텐셜 기반 열전도도 예측 가속화 S. Zhao, K. Kang*, M. Scheffler, DPG-SKM, HL 3.7 (2025).
Accelerated electrical-conductivity prediction with deep Hamiltonian 심층학습 헤밀토니언 기반 전기전도도 예측 가속화 J. Zhang, J. Quan, M. Scheffler, K. Kang*, DPG-SKM, HL 29.84 (2025).
Strong Cowork

Selected Experiment-Computation Collaborations
(실험-계산 공동연구 사례)

Join MINT Lab (재료정보이론연구실)

MINT Lab is looking for motivated graduate students interested in Computational Materials Science and AI-Materials! If you are passionate about research in related fields, please feel free to contact us via email.
재료정보이론연구실에서는 전산재료과학 및 소재인공지능을 활용한 다양한 신소재 연구에 대해 관심과 열의를 가진 대학원생을 모집하고 있습니다! 관련 분야에 관심이 있고 적극적으로 연구에 참여하고자 하는 학생들의 지원을 환영합니다. 관심 있는 학생은 이메일로 문의해 주시기 바랍니다.

Contact PI