[LG에너지솔루션] 소재개발AI 공고 분석

이 자리가 왜 생겼을까요

1하게 될 업무

• MLIP로 DFT 수준의 정밀도를 유지하면서 대규모 스크리닝이 가능한 딥러닝 기반 물성 예측 모델을 연구하고, 목표 물성을 넣으면 맞는 분자 구조·조성을 자동으로 찾는 역설계 알고리즘을 개발합니다.

  이렇게 볼 수 있어요

  전공 분야에 화학·재료공학(계산화학 전공)이 적혀 있고 이 업무는 DFT 수준의 정밀도를 기준으로 삼습니다. DFT 계산을 직접 해 본 계산화학 경력이라면 MLIP 모델을 어떤 계산 결과를 기준으로 검증했는지가 딥러닝 경력과 함께 적을 대목입니다.

• 지배 방정식을 손실함수 제약조건으로 넣어 물리법칙을 지키는 물성 예측 모델과, SEI 성장·양극재 구조 붕괴 같은 열화 메커니즘을 편미분 방정식으로 모델링한 PINN 기반 배터리 열화 모델을 개발합니다.

  이렇게 볼 수 있어요

  물리 방정식을 학습 제약으로 쓰는 물성 예측 모델과 PINN 기반 배터리 열화 모델을 만드는 일입니다. 필수 사항의 PINN 경험이 이 업무에 쓰이므로 손실함수에 넣은 방정식과 모델링한 열화 현상을 구체적으로 설명할 수 있어야 합니다.

• 코인셀 수준 이상의 전극·전해질·분리막 소재 조합별 용량과 수명을 가상환경에서 평가하는 AI 기술과 분자동역학·연속체·셀 수준(P2D 모델)을 잇는 Surrogate Model을 개발합니다.

  이렇게 볼 수 있어요

  조직 소개는 이 분야의 목적을 셀 성능을 가상으로 검증해 소재 개발 시간과 비용을 줄이는 것으로 적었고, 이 업무가 그 가상 검증을 직접 하는 일입니다. 분자동역학, 연속체, P2D 셀 모델 가운데 어느 규모를 직접 다뤘는지와 그 결과를 실제 셀 측정으로 확인해 본 적이 있는지를 덧붙이면 이 업무와의 연결이 구체적으로 보입니다.

• 데이터 파이프라인과 모델 추론을 자율적으로 연계해 소재 설계·검증·최적화를 반복하는 지능형 워크플로우를 구축하고, 소재 후보 발굴부터 물성 시뮬레이션, 가상검증, 최적 후보 추천까지 전 과정을 에이전트 기반 자율 파이프라인으로 설계하고 운영합니다.

  이렇게 볼 수 있어요

  향후 비전에 연구 단계에서 양산 적용까지 이어지는 End-to-End 소재설계 자동화 파이프라인을 처음 설계하는 경험이 적혀 있어, 이 업무가 그 비전을 직접 만드는 일입니다. 계산이나 실험 과정을 자동화해 본 경험이 있다면 사람이 하던 판단 가운데 어디까지를 파이프라인에 맡겼는지를 적는 것이 이 비전과 경력을 잇는 방법입니다.

• 설계·셀 제작·측정/분석의 반복 업무를 줄이는 최적화 분석 방법을 개발하고 소재 물성 데이터의 Descriptive·Prescriptive Analytics를 수행합니다. 비지도학습으로 소재 특성을 군집화해 새 소재의 유사 물질군을 찾고, 실험-시뮬레이션 Gap 분석으로 검증 피드백 루프를 세웁니다.

  이렇게 볼 수 있어요

  필수 사항이 실험 데이터로 모델을 학습·검증해 본 경험을 따로 요구하는 것도 이 업무의 실험-시뮬레이션 Gap 분석을 위한 바탕으로 보입니다. 실험 결과와 계산 결과가 어긋났을 때 어느 쪽을 의심했고 무엇을 고쳤는지 말할 수 있는 경험이 이 업무에서 꺼낼 사례입니다.

2자격 요건

• 배터리 수명 예측을 위한 ML/DL 모델(시계열, 생존분석 모델 포함)을 개발해 본 경험이 필요합니다.

  이렇게 볼 수 있어요

  업무의 PINN 기반 열화 모델과 소재 조합별 수명 가상 평가가 모두 수명을 다루므로, 소재 분야인데도 배터리 수명 예측이 필수 사항에 있습니다. 수명 예측 모델을 만들 때 어떤 열화 현상을 염두에 두고 변수를 골랐는지 말할 수 있다면 그 설명이 이 두 업무와 수명 예측 경력을 잇습니다.

• Physics-Informed Neural Network(PINN) 관련 연구나 프로젝트 경험이 필요합니다.

  이렇게 볼 수 있어요

  업무의 PINN 기반 열화 모델은 SEI 성장과 양극재 구조 붕괴를 편미분 방정식으로 다룹니다. 원문이 '연구 또는 프로젝트 경험'이라고 적었으므로 학위 연구에서 다룬 PINN이 다른 물리 현상이었다면 그 방정식이 열화 모델링과 어떤 점에서 비슷한지 함께 설명하는 것이 업무와의 거리를 좁힙니다.

• 실험 데이터로 모델을 학습하고 검증해 본 경험을 요구합니다.

  이렇게 볼 수 있어요

  같은 CDO 상시 공고의 AI기술개발 분야는 시뮬레이션 데이터로 Surrogate 모델을 만들면서도 실험 데이터 경험은 묻지 않았습니다. 이 분야는 그 경험이 필수입니다. 배터리 수명 실험은 셀 하나의 사이클 시험에도 몇 달이 걸려 데이터가 적습니다. 셀마다 편차도 큽니다. 그래서 시뮬레이션 데이터와는 다른 방식으로 학습과 검증을 설계하게 됩니다. 실험 데이터로 학습한 모델이라면 몇 개의 셀과 몇 번의 측정에서 모았는지, 적은 데이터를 어떻게 나눠 검증했는지가 이 경험을 보여 줍니다.

• Python 기반 ML/DL 프로그래밍에 능숙한 사람을 찾습니다.

  이렇게 볼 수 있어요

  '능숙'을 보여 줄 근거로는 라이브러리 목록보다 업무의 PINN처럼 지배 방정식을 손실함수에 직접 구현해 본 코드나 계산과 학습을 하나의 파이프라인으로 묶어 본 경험이 알맞습니다. 그런 경험은 업무와 함께 설명하기도 좋습니다.

• 지원서 작성 시점에 석사는 경력 만 12개월 이상이어야 하고, 박사는 경력 기간 제한이 없습니다('27년 2월 졸업예정자도 지원할 수 있습니다). 학위 과정(재학) 중의 경력은 기간에 넣지 않고, 분야별 필수 요건이 있으면 그쪽이 우선입니다.

  이렇게 볼 수 있어요

  석사 12개월은 물성 예측이나 수명 모델을 실험 데이터와 맞춰 검증하는 과정을 학교 밖에서 한 번 겪어 보는 데 드는 기간에 가깝습니다. 박사는 '27년 2월 졸업 예정이어도 경력 제한이 없어, 학위 연구에서 다룬 계산과 모델을 이 분야의 네 업무 묶음 가운데 어디에 쓸 수 있는지로 설명하게 됩니다.

• 해외여행에 결격 사유가 없어야 하고, 남성은 병역을 마쳤거나 면제여야 합니다(전문연구요원 전직 불가).

  이렇게 볼 수 있어요

  원문의 '전문연구요원 전직 불가'는 남은 복무를 이 회사로 옮겨 이어 갈 수 없다는 뜻이어서, 전문연구요원으로 복무 중이라면 복무를 마친 뒤가 지원 시점입니다. 해외여행 결격 사유 조항은 해외 출장에 대비하는 뜻도 있지만, 형사재판을 받고 있거나 출국금지·여권 발급 제한으로 출국할 수 없는 지원자를 간접적으로 거르려는 목적이 더 큽니다.

3우대 사항

• 셀 기반 성능·수명 예측을 위한 AI 기반 가상검증(Virtual Validation)이나 디지털 트윈(Digital Twin) 경험을 우대합니다.

  이렇게 볼 수 있어요

  업무의 소재 조합별 용량·수명 가상 평가와 조직 소개의 '셀 성능을 가상 환경에서 검증'이 모두 이 우대 사항의 경험을 쓰는 업무입니다. 디지털 트윈을 만들어 본 대상이 배터리가 아니더라도 무엇을 가상으로 검증했고 실제 측정과 얼마나 맞았는지를 적을 수 있습니다.

• Graph Neural Network(GNN), Neural PDE Solver 분야의 전문성을 우대합니다.

  이렇게 볼 수 있어요

  업무와 함께 보면 GNN은 분자 구조·조성을 다루는 MLIP 물성 예측과 역설계에, Neural PDE Solver는 열화 메커니즘을 편미분 방정식으로 푸는 PINN 열화 모델에 쓰일 기법으로 볼 수 있습니다. 다뤄 본 기법이 둘 가운데 하나라면 그 기법이 쓰일 업무 쪽 경험과 나란히 적을 때 연결이 보입니다.

• MLIP 등 최신 딥러닝 인터랙티브 포텐셜 라이브러리 활용 경험을 우대합니다.

  이렇게 볼 수 있어요

  딥러닝 인터랙티브 포텐셜 라이브러리는 업무의 MLIP 기반 물성 예측에 바로 쓰는 도구입니다. 업무가 대규모 스크리닝을 다루므로 써 본 경험이 있다면 그것으로 어떤 소재를 몇 개나 스크리닝했는지를 적는 것이 좋습니다.

• 소재개발 전 주기 DX/AX 과제(데이터 수집, 모델링, 의사결정 연계)를 이끈 경험을 우대합니다.

  이렇게 볼 수 있어요

  향후 비전의 End-to-End 소재설계 자동화와 회사가 내세운 전사 AX 목표가 이 우대 사항에 함께 담겨 있습니다. 데이터 수집에서 의사결정까지 한 과제를 이끄는 일은 업무의 자율 파이프라인 설계가 다루는 범위이기도 합니다. 과제를 이끈 경험이라면 모델 결과가 실제 소재 선택이나 실험 계획을 바꾼 단계까지 갔는지를 적을 때 데이터 수집이나 모델링만 맡은 경험과 구분됩니다.

• 배터리 성능·수명 예측 관련 논문 게재나 특허 출원 경험을 우대합니다.

  이렇게 볼 수 있어요

  향후 비전이 커리어 측면에서 Top-Tier 기술 개발과 특허 출원을 들고 있어, 이 분야에서는 입사 뒤에도 논문과 특허를 내는 일이 계속됩니다. 게재·출원한 것이 필수 사항의 수명 예측 모델 경험과 같은 주제라면 두 항목을 한 사례로 묶을 수 있습니다.

4기타 사항

• 게시일 : 2026년 9월 7일
• 고용형태 : 해당 내용은 원본 공고에서 확인되지 않습니다.
• 근무지 : 서초R&D캠퍼스
• 경력 조건 : 석사 경력 만 12개월 이상 · 박사 경력기간 제한 없음
• 학력 조건 : 해당 내용은 원본 공고에서 확인되지 않습니다.

전형과 지원

분석한 LG에너지솔루션 공고는 모두 서류전형, LG Way Fit Test 및 영어 Oral Test, 1차 면접(직무면접 포함), 2차 면접(채용 검진 및 평판조회 포함), 최종전형 순입니다. 직무면접 방식은 분야마다 따로 적혀 있습니다.

지원 전 준비할 것

1. 1

   수명 예측 모델 정리

   개발한 배터리 수명 예측 모델 하나를 골라 데이터, 모델 구조, 성능, 실험 검증 결과를 정리하세요.

2. 2

   PINN 경험 정리

   PINN 연구나 프로젝트에서 손실함수에 넣은 방정식과 모델링한 대상, 성과를 한 장으로 정리해 PT 면접 자료로 씁니다.

3. 3

   상시 공고 활용

   약 2~3주 주기로 검토하고 '27년 3월까지 운영합니다. 박사는 '27년 2월 졸업예정자도 지원할 수 있습니다.