Stanford HAI Welcomes 15 New Data Science Scholars

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Stanford HAI는 데이터 과학과 AI의 기초·응용·인간적 차원을 연구하는 박사과정 연구자 15명을 2026년 Data Science Scholars로 선정해 2년간의 펠로십으로 지원한다.

📌 핵심 요약

• Stanford HAI의 Data Science Scholars Program은 스탠퍼드의 7개 단과대학에 재학 중인 박사과정 학생을 대상으로 하며, 연구 질문의 중요성, 방법론의 엄밀성, 학제 간 협업 의지를 기준으로 선발한다.
• 2026년 신규 선정자 15명의 전공은 컴퓨터 과학, 통계학, 법학, 신경과학, 사회학, 교육학, 물리학, 재료과학, 경영학에 걸쳐 있으며, 연구 주제는 AI 거버넌스와 사이버 분쟁부터 단백질 설계, 영상의학 모델, 우주의 구조까지 포괄한다.
• Ruishi Chen은 지식 평가와 확산 및 교육 현장의 AI 도구 도입을, Sarah-Eve Dill은 도시의 경제적 분리와 불평등을, Bruria Friedman Feldman은 AI 거버넌스와 국제 사이버 분쟁에서 기업의 역할을 연구한다.
• Steven Dillmann은 Terminal-Bench-Science를 통해 실제 연구 작업에서 AI 에이전트를 평가하는 기준을 구축하고 있으며, Yifan Guo, Yu He, Junyi Liu는 각각 인간–AI 협업과 정렬, 신경망의 알고리즘적 추론, 선호 모델링과 신뢰할 수 있는 통계적 추론 등을 연구한다.
• 응용 연구에는 소분자 약물 및 DNA 서열 설계, 뇌의 내부 표상, 재료 발견과 에너지 저장, 생물학적·인공 신경망, 영상의학용 멀티모달 AI, 전력망과 의료의 적응적 의사결정이 포함된다. Luca Mondonico의 웨어러블·엣지 기기 연구는 연산량·지연시간·전력·프라이버시 제약을 다룬다.

🧩 주요 포인트

1. 개 단과대학을 아우르는 선발과 학제 간 협업 기준 → 초기 경력 연구자들의 집단적 연구를 통해 학술적 발견, 교육적 변화, 사회적 영향이라는 HAI의 임무를 폭넓게 뒷받침하려는 설계다.
2. AI 에이전트 평가·알고리즘적 추론·통계적 추론 연구의 병행 → AI의 역량뿐 아니라 실제 작업에서의 평가, 신뢰성, 인간–AI 협업을 함께 탐구한다.
3. 사회적 불평등·AI 거버넌스부터 의료·에너지·생물학적 설계까지 이어지는 응용 범위 → 데이터 과학의 방법론을 각 분야의 문제와 연산량·지연시간·전력·프라이버시 같은 구체적 제약에 연결한다.

🧠 상세 정리

1. 2년간의 펠로십과 프로그램의 범위

Stanford HAI는 데이터 과학과 인공지능의 기초, 응용, 인간적 차원을 발전시키는 박사과정 학생을 지원하기 위해 신규 Data Science Scholars 15명을 선정했다. 이들은 2년간 운영되는 펠로십의 최신 기수이며, 프로그램은 스탠퍼드의 7개 단과대학에 이미 재학 중인 박사과정 학생을 대상으로 한다. 지원 대상 연구는 방법·모델·이론을 다루는 기초 연구와 과학적 발견, 건강 및 생의학, 정신건강, 언어와 문화, 교육, 예술 등에 적용하는 연구를 포함한다. 또한 기술의 윤리적·사회적·정책적 함의를 탐구하는 연구도 범위에 들어간다. 따라서 이번 발표는 개별 기술 분야의 연구자 명단을 넘어, 데이터 과학과 AI를 여러 학문 및 인간의 경험과 연결하려는 프로그램의 폭넓은 취지를 설명한다.

2. 선발 기준과 2026년 기수의 학문적 다양성

연구자 선발에서는 연구 질문의 중요성, 방법론의 엄밀성, 학제 간 협업에 대한 의지를 평가한다. 프로그램은 초기 경력 연구자들이 충분한 규모로 모여, 집단적 연구를 통해 학술적 발견과 교육적 변화, 사회적 영향에 걸친 HAI의 임무를 반영하도록 설계됐다. 2026년 기수의 전공은 컴퓨터 과학, 통계학, 법학, 신경과학, 사회학, 교육학, 물리학, 재료과학, 경영학에 걸쳐 있으며, 연구 범위도 AI 거버넌스와 사이버 분쟁에서 단백질 설계, 영상의학 모델, 우주의 구조까지 이어진다. Stanford HAI Denning Director인 James Landay는 AI와 데이터 과학이 인간의 거의 모든 탐구 분야를 재편하고 있으며, 이번 선정자들이 그 임무에 필요한 폭과 깊이를 보여준다고 말했다. 그는 이들이 중요한 질문을 던지고 엄밀성과 창의성으로 답을 찾으려 한다며, 중요한 시점에 이들의 연구를 지원하게 된 의미를 강조했다.

3. 지식의 평가와 도시 불평등을 연구하는 데이터 과학

교육 데이터 과학 박사과정의 Ruishi Chen은 평가 과정이 지식 확산에 미치는 영향과 새로운 기술이 그 과정을 어떻게 바꾸는지 연구한다. 자연어 처리, 사회연결망 분석, 인과추론, LLM 기반 시뮬레이션을 활용해 기관이 아이디어와 혁신을 평가하는 방식을 살피며, 현재는 동료심사와 특허심사, 교육 현장의 AI 도구 도입에 주목한다. 사회학 박사과정 학생이자 NSF Graduate Research Fellow인 Sarah-Eve Dill은 사회경제적 불평등이 일상적인 도시 생활에서 어떻게 경험되는지를 연구한다. 그는 모바일 기기의 GPS 데이터로 사람들이 이동하고 만나는 양상을 분석해 경제적 분리를 측정하고, Google Street View 이미지에 컴퓨터 비전 방법을 적용해 건조 환경의 투자와 불평등 지표를 식별한다. 박사과정 이전에는 Stanford Center on China's Economy and Institutions의 연구 프로그램 매니저로 일하며 중국 농촌의 지역사회 건강 개입이 초기 인적자본 형성에 미치는 영향을 연구했다.

4. 과학 연구 에이전트와 국제 사이버 분쟁의 기업 역할

계산수학 박사과정의 Steven Dillmann은 에이전트형 연구 보조 도구, 과학 분야의 파운데이션 모델, 확률적 추론 방법을 개발하고 엄밀하게 평가해 여러 분야의 과학적 발견을 가속하는 데 집중한다. 그는 전 세계 연구기관의 분야별 전문가들과 협력해 실제 연구 작업에서 AI 에이전트를 평가하는 기준을 구축하려는 공동체 프로젝트 Terminal-Bench-Science를 이끈다. 그의 연구 경험에는 유전체 파운데이션 모델 Evo 2의 안전성과 윤리적 평가, 강한 중력렌즈 현상의 시뮬레이션 기반 추론, 여러 파장대의 천문 영상에 대한 통합 확률적 틀이 포함된다. Stanford Law School의 JSD 후보자인 Bruria Friedman Feldman은 기술 및 사이버보안 기업이 AI 거버넌스와 국제 사이버 분쟁에서 수행하는 역할을 연구한다. 법률 분석과 실증적·계산적 방법을 결합해 기업을 전략적 행위자로 살피며, 특히 국가 주도 사이버공격에 대응할 때의 동기와 의사결정에 초점을 맞춘다. 법학 연구에 진입하기 전에는 6년 넘게 정보 장교로 근무했고, 사이버·네트워크 분석과 교육과정 지휘, 사이버 작전의 윤리 업무를 맡았다.

5. 인간–AI 의사결정, 알고리즘적 추론, 약물 설계

Stanford Graduate School of Business의 Operations, Information, and Technology 박사과정 학생 Yifan Guo는 인간–AI 의사결정과 AI 정렬을 연구한다. 그는 운영연구, 경제학, 컴퓨터 과학의 도구를 활용해 인간–AI 협업을 위한 더 나은 틀과 AI 에이전트를 효과적으로 평가하는 시스템을 설계하는 방법을 탐구한다. 컴퓨터 과학 박사과정의 Yu He는 대규모 언어 모델을 비롯한 신경망의 알고리즘적·구조적 추론 능력을 연구하며, 복잡한 문제를 원칙에 따라 해결하는 규칙 기반 접근에 주목한다. 그의 목표는 알고리즘 중심의 패러다임을 통해 데이터 효율성과 복잡한 과제 해결 능력을 높이고, 인간 중심 응용에서 더 신뢰할 수 있고 안전한 AI 시스템을 만드는 것이다. 생의학 정보학 박사과정의 Rohan Koodli는 약물 발견을 위한 머신러닝을 연구하며, 소분자 약물을 설계·수정하고 특성을 추정하는 방법을 개발한다. 이 연구는 의약화학 연구자가 특정 표적에 대한 후보 약물을 효율적으로 찾도록 돕는 데 목적이 있다.

6. 뇌의 내부 표상, AI의 통계적 평가, DNA 언어 모델

신경과학 M.D./Ph.D. 과정의 Chelsea Li는 뇌가 세계에 대한 일관된 내부 모델을 형성하는 방식과 그 모델이 무너질 때의 변화를 연구한다. 생쥐의 여러 뇌 영역에서 대규모 Neuropixels 기록을 수집하고, 인과적 광유전학 조작과 신경집단의 기하학적 분석을 결합해 케타민이 공간과 감정의 고차원 표상을 어떻게 교란하는지 살핀다. 그는 이 연구를 구조화된 저차원 표상이 AI에서 어떻게 구성되고 소실되는지에 관한 질문과 연결한다. 통계학 박사과정 학생 Junyi Liu는 현대 AI 시스템을 평가하고 개선하기 위한 통계적 방법을 개발하며, 선호 모델링, 신뢰할 수 있는 통계적 추론, 인간 피드백 기반 강화학습에 특히 관심을 둔다. 컴퓨터 과학 박사과정 학생 Matthew Liu는 새로운 생물학적 서열과 시스템을 AI로 안전하게 설계할 수 있도록 DNA 언어 모델을 개발한다. 더 넓게는 생물학적 설계를 예측 가능하고 프로그래밍 가능하게 만드는 머신러닝 방법을 연구한다.

7. 재료·웨어러블 연구와 신경망의 수학적 이해

재료과학 및 공학 박사과정의 Luca Mondonico는 머신러닝, 재료과학, 인간 중심 센싱의 교차점에서 연구하며 컴퓨터 과학을 부전공한다. 그는 분자 설계와 재료 발견을 위한 예측·생성 모델을 개발하고, 대규모 계산 탐색과 실험 검증을 결합해 차세대 에너지 저장 기술 개발을 가속하려 한다. 동시에 웨어러블 건강·활동 센싱을 위한 효율적인 머신러닝 방법을 연구하며, 웨어러블·엣지 기기의 연산량, 지연시간, 전력, 프라이버시를 핵심 제약으로 다룬다. 그는 이전에 Tesla의 배터리 팀에서 Cell Engineer와 Materials Engineer로 일했다. Computational and Mathematical Engineering인 ICME의 박사과정 연구자 Jinhee Paeng은 생물학적·인공적 대규모 신경망에서 지능이 어떻게 발생하는지 이해하는 데 집중한다. 적절한 규모의 수학적 모델을 만들고 행동을 해석적으로 도출한 뒤 실험 데이터로 예측을 검증하며, 서울대학교에서 연구했던 무작위 최적화 방법의 에르고딕 거동과 동기화 모델 경험을 바탕으로 신경계의 숨은 수학을 밝히려 한다.

8. 의료 영상의 시간적 추론과 조건별 적응적 의사결정

컴퓨터 과학 박사과정 학생 Eva Prakash는 의료용 멀티모달 AI를 개발하며, 특히 영상의학을 위한 비전–언어 모델과 의료 영상의 시간적 추론에 집중한다. 그는 환자의 종단 데이터를 추론하고 임상 소견이 시간에 따라 어떻게 변하는지 이해하는 모델을 만드는 데 관심이 있다. 통계학 박사과정의 Jing Shang은 조건이 서로 다른 상황에서 적응적 의사결정을 지원하는 통계적 데이터 과학 방법을 개발하며, 에너지 시스템과 의료 문제에 초점을 맞춘다. 에너지 분야에서는 National Laboratory of the Rockies와 협력해 기상 예측과 수요 패턴을 활용하는 전기요금 산정 방법을 개발하고, 전력망 부담을 줄이며 극한 기상에 대한 회복력을 높이는 것을 목표로 한다. 의료 분야에서는 환자 간 이질성을 반영하는 개인화 학습 방법으로 위험 예측과 임상 의사결정을 개선하려 한다. 마지막으로 Victor Wu가 정치학 JD/PhD 후보자라는 소개가 나오지만, 제공된 원문은 소속 표기 도중 끊겨 있어 그의 연구 주제나 추가 이력은 확인할 수 없다.

🧾 핵심 주장 / 시사점

• 이번 기수의 구성은 AI와 데이터 과학의 기초 방법론, 분야별 응용, 사회적·정책적 함의를 함께 지원하려는 Stanford HAI의 프로그램 설계를 구체적으로 보여준다.
• AI 에이전트 평가, 통계적 추론, 알고리즘적 추론을 다루는 연구들은 시스템의 역량 개발과 평가·신뢰성 문제가 함께 탐구되고 있음을 보여준다.
• 소개된 연구는 개발·탐구 중인 목표와 접근법에 관한 설명이다. 이를 약물 발견, 전력망 회복력, 안전한 생물학적 설계 등의 효과가 이미 입증됐다는 뜻으로 해석해서는 안 된다.

✅ 액션 아이템

• Stanford HAI의 2년간 펠로십을 연구 질문의 중요성, 방법론의 엄밀성, 학제 간 협업이라는 선발 기준과 연결해 검토.
• Terminal-Bench-Science의 AI 에이전트 평가와 알고리즘적 추론·통계적 추론 연구가 다루는 평가 및 신뢰성 문제를 비교.
• 의료·에너지·생물학적 설계의 응용 목적과 웨어러블·엣지 기기의 연산량·지연시간·전력·프라이버시 제약을 함께 고려.

❓ 열린 질문

• Stanford HAI의 2년간 펠로십은 7개 단과대학 연구자들의 학제 간 협업을 구체적으로 어떻게 지원하는가?
• Terminal-Bench-Science의 AI 에이전트 평가는 실제 연구 작업에서 어떤 기준으로 신뢰성을 판단하는가?
• 웨어러블·엣지 기기의 연산량·지연시간·전력·프라이버시 제약은 건강·활동 센싱 모델의 설계에 어떻게 반영되는가?