Align Korean with English; rewrite recruitment copy

Author: yjw0510

content/multiscale/allatom.mdx

@@ -1,7 +1,7 @@
 ---
 title: "All-Atom Molecular Dynamics"
 shortDescription: "Retaining full atomic resolution without electronic structure calculations, this method describes interactions at the atomic level to capture both static distributions and dynamic properties of atoms and molecules"
-shortDescriptionKo: "개별 원자의 해상도를 유지한 채 전자구조 계산 없이 원자 수준의 상호작용으로 기술되는 기법으로 원자와 분자의 정적인 분포와 동적인 특성을 포착한다"
+shortDescriptionKo: "개별 원자의 해상도를 유지한 채 전자구조 계산 없이 원자 수준에서 상호작용을 기술하여 원자와 분자의 정적인 분포와 동적인 특성을 포착하는 기법"
 icon: "Atom"
 color: "#06b6d4"
 order: 2

content/multiscale/dft.mdx

@@ -1,7 +1,7 @@
 ---
 title: "First-Principles Calculations (DFT)"
 shortDescription: "Rigorously computing electronic structure at the quantum-mechanical level to obtain properties such as band gaps, and to determine interatomic interactions and molecular geometries with the highest fidelity"
-shortDescriptionKo: "양자역학 수준에서 전자구조를 엄밀하게 계산하여 밴드 갭과 같은 유용한 전자구조적 성질을 얻어내고 원자간 상호작용 및 분자의 구조를 가장 엄격하게 얻는데 사용한다"
+shortDescriptionKo: "양자역학 수준에서 전자구조를 엄밀하게 계산하여 밴드 갭 같은 전자구조적 성질을 얻어내고, 원자 간 상호작용과 분자 구조를 가장 높은 정밀도로 규명한다"
 icon: "Orbit"
 color: "#f97316"
 order: 4
@@ -15,12 +15,12 @@ contentKo: |
 
   - **참조 데이터 생성**: 머신러닝 역장 훈련 데이터셋 구축을 위한 체계적 양자역학 계산. 수용액계, 전해질, 유기 분자 포함
   - **반응계 전자구조**: 초임계수 환경에서 화학 결합이 끊어지고 형성되는 과정 연구. 반응 중 전자 재배열이 고전 역장을 부적합하게 만드는 영역
-  - **벤치마킹**: 일상적 사용에는 비용이 과다하지만 핵심 시험계에 확정적 참조값을 제공하는 고정확도 ab initio 방법(결합 클러스터 이론, 섭동 이론)에 대해 머신러닝 역장을 검증
+  - **벤치마킹**: 일상적으로 쓰기에는 비용이 과다하지만 핵심 시험계에 확정적 참조값을 내놓는 고정확도 ab initio 방법(결합 클러스터 이론, 섭동 이론)과 대조하여 머신러닝 역장을 검증
   - **용매화 열역학**: 이온이 물에 녹을 때 방출·흡수되는 에너지와 물 분자의 배열 계산. 전해질 화학 이해의 기본량
 
   ## 방법론
 
-  두 가지 상보적 전산 접근을 사용한다. 벌크 액체와 고체-액체 계면 같은 주기계에는 평면파 DFT 코드(VASP, Quantum ESPRESSO)를, 분자 수준 계산에는 국소 기저 코드(Gaussian, ORCA)를 사용한다. 양쪽 모두 분산 보정(D3, D4, TS), 즉 표준 DFT 근사가 과소평가하는 경향이 있는 분자 간 약한 장거리 인력을 보정하는 경험적 보정항을 포함한다.
+  서로 보완하는 두 가지 전산 접근을 쓴다. 벌크 액체와 고체-액체 계면 같은 주기계에는 평면파 DFT 코드(VASP, Quantum ESPRESSO)를, 분자 수준 계산에는 국소 기저 코드(Gaussian, ORCA)를 쓴다. 양쪽 모두 분산 보정(D3, D4, TS)을 포함하는데, 표준 DFT 근사가 흔히 과소평가하는 분자 간 약한 장거리 인력을 경험적으로 메워 주는 항이다.
 
   ## 멀티스케일 체계에서의 역할
 

content/multiscale/meso.mdx

@@ -1,26 +1,26 @@
 ---
 title: "Mesoscale Simulation"
 shortDescription: "Coarse-graining simplifies chemical detail to reduce computational cost, enabling the study of nanomaterials at larger and longer scales than other methods"
-shortDescriptionKo: "조대화를 통해 화학적 특성을 단순화하여 계산 비용을 줄여서 다른 스케일보다 더 크고, 더 긴 스케일에서 나노 재료를 연구한다"
+shortDescriptionKo: "조대화로 화학적 세부를 단순화해 계산 비용을 낮추고, 다른 방법보다 더 크고 긴 스케일에서 나노 재료를 연구한다"
 icon: "Layers"
 color: "#f59e0b"
 order: 1
 scale: "~10 nm – 1 μm"
 contentKo: |
   ## 개요
 
-  메조스케일 시뮬레이션은 정확하지만 계산 비용이 높은 원자 수준 방법과, 물질을 균일한 연속체로 다루는 연속체 모형 사이를 잇는다. 조대화 분자동역학에서는 여러 원자를 하나의 상호작용점으로 표현하여 계산 비용을 줄이고, 수백만 입자의 마이크로초 규모 시뮬레이션을 수행할 수 있다. 이 영역에서 고분자 코팅 나노입자가 질서 배열을 형성하고, 블록 공중합체가 주기적 나노구조를 이루며, 하이드로겔 네트워크가 팽윤·변형되며, 산란 실험(SAXS)과 전자현미경(TEM)으로 관측하는 것과 직접 비교할 수 있다.
+  메조스케일 시뮬레이션은 정확하지만 계산 비용이 높은 원자 수준 방법과, 물질을 균일한 연속체로 다루는 연속체 모형 사이를 잇는다. 조대화 분자동역학에서는 여러 원자를 하나의 상호작용점으로 묶어 계산 비용을 줄이고, 수백만 입자를 마이크로초 규모로 시뮬레이션한다. 이 영역에서는 고분자 코팅 나노입자가 질서 배열을 이루고, 블록 공중합체가 주기적 나노구조를 형성하며, 하이드로겔 네트워크가 팽윤하고 변형된다. 모두 산란 실험(SAXS)과 전자현미경(TEM)으로 관측한 결과와 직접 견줄 수 있는 현상이다.
 
   ## 현재 연구
 
   - **나노입자 자기조립**: 접합 사슬의 수, 길이, 구조에 따라 고분자 코팅 나노입자가 어떤 결정 구조로 배열되는지 예측
   - **병솔형 고분자 접합**: 분지형 고분자를 나노입자에 접합하여 코팅의 대칭을 깨고 입자를 2차원 질서 패턴으로 유도하는 과정 규명
   - **고분자 브러시 고갈 상호작용**: 고분자 브러시 층이 그 안에 삽입된 단백질과 입자에 가하는 힘 측정. 생체막 조직화에 관련
-  - **하이드로겔 역학**: 단순화된 분자 모형을 사용한 폴리아크릴아마이드 하이드로겔의 강성과 팽윤 거동 예측
+  - **하이드로겔 역학**: 단순화된 분자 모형으로 폴리아크릴아마이드 하이드로겔의 강성과 팽윤 거동 예측
 
   ## 방법론
 
-  전원자 시뮬레이션 및 실험 산란·현미경 데이터(SAXS, TEM, AFM)와 비교 검증한 조대화 모형을 개발·적용한다. 이 모형은 수백만 상호작용점을 포함하는 계의 마이크로초 규모 시뮬레이션을 수행한다.
+  전원자 시뮬레이션과 실험 산란·현미경 데이터(SAXS, TEM, AFM)에 견주어 조대화 모형을 개발하고 검증한다. 이 모형으로 수백만 상호작용점을 담은 계를 마이크로초 규모로 시뮬레이션한다.
 
   ## 관련 논문
 

content/multiscale/mlff.mdx

@@ -1,7 +1,7 @@
 ---
 title: "Machine Learning Force Fields"
 shortDescription: "Machine learning force fields achieve quantum-level accuracy at near-classical MD speed, tackling problems that were previously inaccessible with conventional force fields"
-shortDescriptionKo: "머신러닝 역장은 머신러닝을 통해 양자 수준 정확도와 고전 MD 속도에 버금가는 속도를 가진 계산화학 기법으로 이를 통해 기존의 힘장으로 접근하기 힘들었던 난제들을 공략한다"
+shortDescriptionKo: "머신러닝 역장은 양자 수준 정확도를 고전 MD에 버금가는 속도로 구현하는 계산화학 기법으로, 기존 힘장으로는 접근하기 힘들었던 난제들을 공략한다"
 icon: "Brain"
 color: "#8b5cf6"
 order: 3
@@ -13,7 +13,7 @@ contentKo: |
 
   ## 현재 연구
 
-  - **물 확산 이상 현상**: 염수 용액에서 물 분자가 용존 이온 종류에 따라 어떻게 다르게 이동하는지 매핑. 고전 역장으로는 구별되지 않지만 양자 데이터로 훈련한 머신러닝 모형은 정확히 재현하는 효과
+  - **물 확산 이상 현상**: 염수 용액에서 물 분자가 용존 이온 종류에 따라 어떻게 다르게 이동하는지 매핑. 고전 역장은 구별하지 못하지만 양자 데이터로 훈련한 머신러닝 모형은 정확히 재현하는 효과
   - **유전 완화**: 액체 물의 전기 분극이 마이크로파에서 적외선까지의 진동 전기장에 어떻게 응답하는지, 신경망 예측과 고전 역장 결과를 비교
   - **초임계수 반응 화학**: 374 °C, 22 MPa 이상의 물에서 유기 분자가 분해·재결합되는 과정 추적. 표준 역장으로는 결합의 절단과 형성을 기술할 수 없는 조건
   - **능동 학습과 전이성**: 어떤 양자역학 계산을 수행할지 효율적으로 선택하는 전략 개발. 결과 역장이 온도와 화학 조성에 걸쳐 안정적으로 일반화되도록 함

content/news/2026-03-recruiting.mdx

@@ -4,7 +4,7 @@ titleKo: "학부 연구생 모집"
 date: "2026-03-15"
 category: "member"
 summary: "We are recruiting undergraduate researchers with backgrounds in chemistry, physics, computer science, or artificial intelligence who are interested in computational chemistry."
-summaryKo: "화학/물리/컴퓨터과학/인공지능 등의 전공을 기반으로 계산화학에 관심이 있는 학부 연구생을 모집합니다."
+summaryKo: "화학·물리·컴퓨터과학·인공지능을 전공하고 계산화학에 관심 있는 학부 연구생을 모집합니다."
 ---
 
 The Yu Lab is recruiting undergraduate researchers. We are looking for students with backgrounds in: