Jaemin’s Research Notes
AI, computational biology, research infrastructure를 정리하는 개인 연구 블로그입니다. 글, 개념 노트, 논문 메모, 프로젝트 기록을 서로 연결해 장기적으로 다시 찾을 수 있게 만듭니다.
Main Areas
| Area | Use For |
|---|---|
| Agents | LLM agent concepts, product features, tools, workflows, verification |
| AI | machine learning, architectures, learning methods, generative models, evaluation, systems |
| Math | formulas and mathematical tools needed to read AI notes |
| Computational Biology | focused notes on biological objects, sequence-based modeling, molecular and ligand modeling, interaction modeling, and structure-based workflows |
| Infra | hardware, GPU, HPC, storage, reproducibility, server operations |
| Research | public research questions, hypotheses, method comparisons, and synthesis notes |
| Projects | public artifacts, implementations, design decisions, workflows |
| Papers | curated paper notes and reading utilities |
| Posts | reader-facing essays and topic maps |
Content Groups
| Group | Area | 역할 |
|---|---|---|
| Foundation | AI, Math, Computational Biology, Infra, Agents | 전반적인 설명과 오래 남는 개념 |
| My Work | Research, Projects | 내 연구 질문, 아이디어, 구현물, 운영한 workflow |
| Reading and Writing | Papers, Posts | 논문 리뷰, 읽기 기록, 외부 독자를 위한 글 |
Research와 Projects 구분
| Area | 중심 질문 | 예시 |
|---|---|---|
| Research | 어떤 공개 가능한 질문, 가설, 아이디어를 탐색하는가? | research direction, hypothesis, method comparison, experiment idea |
| Projects | 무엇을 실제로 만들고 운영하거나 공개 산출물로 남기는가? | pipeline, tool, blog/wiki system, runbook, reproducible artifact |
Research는 아이디어와 질문의 공간이고, Projects는 구현과 산출물의 공간입니다. 하나의 일이 둘 다 가질 수는 있지만, 페이지의 중심이 hypothesis면 Research, artifact면 Projects에 둡니다.
최근 Research Notes
- Controllable Molecular Generation with Fine-Tuned Flow Matching
- NEAT-POCKET — Pocket-Conditioned Autoregressive 3D Molecular Generation
- BackFlip-2 — Predicting Directional Flexibility in Proteins
- AdaptiveFlow — Adaptive Ultra-Large Virtual Screening
- SurfSpec — Off-Target-Agnostic Specificity by Geometric Mismatch
- Equivariant Sheaf Neural Networks
최근 글
- AI Wiki를 어떤 축으로 나눠 볼 것인가
- 블로그와 위키를 같이 쓰는 방식
- Wiki에서 Post로 승격하는 방식
- 구조 기반 모델링을 어떻게 정리할 것인가
- 블로그 글 작성 가이드
- 글감 로드맵
읽는 경로
- AI 기본기: Math -> Machine learning -> Architectures -> Learning methods -> Evaluation -> Systems
- Protein sequence route: Sequence-based modeling -> Proteins -> Protein modeling concepts
- Computational biology: Computational Biology -> Objects and entities -> Sequence-based modeling -> Molecular and ligand modeling -> Interaction modeling -> Structure-based modeling
- Agents: Agents -> Agent loop -> Verification loop
- Infra: Infra -> Memory hierarchy -> HPC job lifecycle -> Reproducible run record
- Papers: Papers -> Paper review workflow -> Reading status
- Projects: Projects -> Project note format -> LLM Wiki blog
운영 방식
글은 생각의 흐름을 정리하고, 개념·논문·모델 구조·평가 방법은 서로 연결된 노트로 축적합니다.
예를 들어 docking 글은 Computational Biology에서 시작해 Structure-based modeling, Protein-ligand docking, Scoring function, PoseBusters 같은 내부 노트로 이어집니다.
작성 방식은 블로그 글 작성 가이드에 정리하고, 앞으로 풀어낼 글감은 글감 로드맵에서 관리합니다.
Wiki note를 한글 글로 승격하는 기준은 Wiki에서 Post로 승격하는 방식과 Content promotion workflow에 둡니다.