김용채

김용채

박사과정 · 기계공학과 · 서울대학교

기계 시스템의 고장 예지 및 건전성 관리(PHM)를 위한 딥러닝 연구를 수행하고 있으며, 결함 진단, 신호 생성, 잡음 제거 등을 주요 주제로 다루고 있습니다. 도메인 적응, 확산 모델, 물리 기반 접근법을 활용하며, 최근에는 제조 파운데이션 모델과 에이전틱 AI에 관심을 두고 연구하고 있습니다.

연구 외에는 여행, 의미 있는 프로젝트, 그리고 사람들과의 교류를 즐깁니다.

— 저널 논문

— 해외 학회

— 국내 학회

— 수상

— 특허

주요 논문

대표 제1저자 저널 논문입니다. 이력서 페이지에서 전체 목록 보기 →

Physics-guided deep ensemble learning for the remaining useful life prediction of machine tools using kernel density estimation

Kim, Y.C., Kim, B., Kim, M., Lee, S.K., Jung, J.H., & Youn, B.D.

Int'l J. Precision Eng. and Manufacturing-Green Technology 2025 SCIE

Latent Space Alignment based Domain Adaptation (LSADA) for Fault Diagnosis of Rotating Machinery

Kim, Y.C., Ko, J.U., Lee, J., Kim, T., Jung, J.H., & Youn, B.D.

Advanced Engineering Informatics 2024 SCIE

Gradient Alignment based Partial Domain Adaptation (GAPDA) for fault diagnosis of bearing

Kim, Y.C., Lee, J., Kim, T., Baek, J., Ko, J.U., Jung, J.H., & Youn, B.D.

Reliability Engineering & System Safety 2024 SCIE

전체 논문 보기 →

인용 추이

— 총 인용수

— h-index

— i10-index

연구 개요

프로그램

Data Drift Management

주요 논문

인용 추이