GNN / Graph ML Engineer

주요업무

Netlist, 회로 연결 정보처럼 graph로 표현되는 설계 데이터를 GNN과 graph algorithm으로 분석하고, LLM Agent가 활용 가능한 구조화된 추론 결과로 만드는 분 전기전자·회로 설계 과정에서 발생하는 netlist, block diagram 등 graph 형태의 데이터를 다루고, 이를 AI Agent가 활용 가능한 구조로 변환하는 역할입니다. 특히 netlist처럼 원래 graph 형태로 표현되는 설계 데이터를 GNN, graph algorithm, graph representation learning 등을 활용해 분석하고, LLM Agent / rule-based system / ontology system과 연결 가능한 모듈로 구현합니다. netlist, circuit connection 등 graph 형태의 설계 데이터 모델링 node, edge, attribute, constraint 기반 graph schema 설계 GNN 기반 graph classification, graph matching, link prediction, anomaly detection, similarity search 등 개발 circuit graph / block diagram graph 간 mapping 및 validation 로직 구현 각 프로젝트에 맞는 graph reasoning module 개발

자격요건

Python 기반 ML / data pipeline 개발 경험 graph data structure, graph algorithm, GNN 중 하나 이상의 경험 PyTorch, PyTorch Geometric, DGL 등 graph ML framework 사용 경험 복잡한 engineering data를 graph 형태로 모델링할 수 있는 능력 ML model output을 실제 제품 workflow와 연결할 수 있는 software engineering 역량

우대사항

netlist, EDA data, circuit graph, schematic, block diagram 등 HW 설계 데이터 처리 경험 graph database, knowledge graph, ontology와 GNN을 결합해 본 경험 graph embedding, graph retrieval, graph similarity search 경험 LLM Agent 또는 Graph RAG와 GNN 결과를 결합해 본 경험

기술스택

Python, Pytorch