이공계·자연계 연구 분야 난이도(대체적 인식 순위)
최상 난이도 (진입·유지 모두 극도로 어려움)
수학/이론물리학
거의 순수 학문에 가까워 연구비 수급도 어렵고, 성과(논문·발견) 내기도 오래 걸림.
전 세계에서 똑똑한 사람들끼리 경쟁하는 분야라 연구 지속 자체가 쉽지 않음
천문학/우주과학
연구 장비(망원경·위성 등)가 국가 단위 인프라에 의존 → 개인 연구자 역량보다 환경 의존도가 큼.
박사·포닥 이후 정규직 자리도 극도로 제한적
순수생물학(분자생물학·생명과학 기초 분야)
연구비 대비 성과가 바로 나오지 않고, 실험 재현성 문제도 많음.
연구 인력은 많은데 뚜렷한 자리(교수·연구원)는 제한적이라 경쟁이 치열.
중상 난이도 (매우 빡세지만 산업 수요로 조금 숨통이 있음)
화학(특히 유기합성·신약개발)
연구 자체 난이도 높음 + 실험실 안전 문제.
제약·화학 산업 수요는 많지만 성공률이 낮아서 연구자 피로도가 큼.
재료공학(신소재, 반도체 소재)
연구 난이도 높고 장비 의존적이지만 → 삼성, TSMC 등 산업계 수요가 커서 일자리는 상대적으로 있음.
다만 경쟁 강도와 성과 압박은 매우 큼.
전기·전자·반도체 공학
수학적 기초 요구 + 실험 장비 의존 → 난이도 높음.
산업계 수요는 많지만 상위권 성과 압박(논문·특허)도 심함.
중간 난이도 (어려우나 연구–취업 루트가 비교적 안정적)
컴퓨터공학/AI/데이터사이언스
연구 자체는 수학·통계 기초가 필요하지만, 성과를 빠르게 적용할 수 있음.
인력 수요가 폭발적이라 연구자가 “자리”를 찾기는 상대적으로 쉬운 편.
기계공학/로봇공학
설계+실험+이론이 모두 필요해 난이도 높음.
다만 산업 현장 수요가 넓어 연구원 이후 커리어 전환 가능성도 큼.
환경·지구과학
연구 범위가 넓고 사회적 수요(기후변화·환경 규제)는 높음.
다만 연구 성과가 산업적 수익과 바로 연결되지 않아 학계 중심으로 좁은 편.