Shuo LI李硕 · Arsène 李硕Shuo LI · Arsène Shuo LI李硕 · Arsène 李 碩Shuo LI · Arsène

Associate Professor, School of Artificial Intelligence

Sun Yat-sen University

AI4S Scientific machine learning Physics engines Surrogate models Digital twins
AI4S 科学机器学习 物理引擎 代理模型 数字孪生
AI4S Apprentissage automatique scientifique Moteurs physiques Modèles de substitution Jumeaux numériques
AI4S 科学的機械学習 物理エンジン サロゲートモデル デジタルツイン
lish595@mail.sysu.edu.cn arsene.lishuo@gmail.com Google Scholar GitHub
Research About me
Portrait of Shuo LI at Kiyomizu-dera, Kyoto

psst — try herding every node into your cursor

Research研究简介Recherche研究概要

My research lies at the intersection of artificial intelligence and computational mechanics, with a focus on geometry-aware Physics AI.

我的研究属于人工智能与计算力学的交叉领域，聚焦几何感知的物理 AI。

Mes recherches se situent à l’interface entre l’intelligence artificielle et la mécanique numérique, avec pour axe central l’IA physique sensible à la géométrie.

私の研究は、人工知能と計算力学の融合領域にあり、幾何形状を理解する物理 AI に重点を置いています。

I develop UniGEnS (Unified Geometry-aware Engine for Multiphysics Simulation), which simulates coupled fluids, free surfaces, structures and granular media in arbitrarily complex geometry, in parallel on CPUs and GPUs, and multiscale AI surrogate models that accelerate it for real-time prediction and digital twins.

我自主开发了统一几何感知物理仿真引擎 UniGEnS（Unified Geometry-aware Engine for Multiphysics Simulation），用于复杂几何中流体、自由液面、结构与颗粒的多物理场耦合仿真，支持 CPU 与 GPU 并行加速；并以高保真仿真数据为基础，构建多尺度 AI 代理模型，实现实时预测，服务于数字孪生。

Je développe UniGEnS (Unified Geometry-aware Engine for Multiphysics Simulation), qui simule le couplage entre fluides, surfaces libres, structures et milieux granulaires dans des géométries arbitrairement complexes, en parallèle sur CPU et GPU, ainsi que des modèles de substitution multi-échelles fondés sur l’IA, qui l’accélèrent pour la prédiction en temps réel et les jumeaux numériques.

任意の複雑形状のなかで流体・自由表面・構造・粉粒体の連成挙動を CPU と GPU で並列計算する、統合型の形状認識マルチフィジックス・シミュレーションエンジン UniGEnS（Unified Geometry-aware Engine for Multiphysics Simulation）を開発しています。あわせて、それを高速化するマルチスケール AI サロゲートモデルを構築し、リアルタイム予測とデジタルツインに活用しています。

Research directions & publications

News近期动态Actualitésニュース
  • Received the Emerging Research Award of the Japanese Society for Multiphase Flow.获日本混相流学会新兴研究奖。Lauréat de l’Emerging Research Award de la Société japonaise des écoulements multiphasiques (JSMF).日本混相流学会 萌芽賞を受賞しました。
  • Talks at DEM-10 (Himeji) and ICCCI-2025 (Fuji-Yoshida) on AI-accelerated surrogate models and digital twins for powder processes.在 DEM-10（姬路）和 ICCCI-2025（富士吉田）作报告，介绍 AI 加速代理模型及其在粉体工艺数字孪生中的应用。Communications à DEM-10 (Himeji) et à ICCCI-2025 (Fujiyoshida) sur les modèles de substitution accélérés par l’IA et les jumeaux numériques des procédés de traitement des poudres.DEM-10（姫路）と ICCCI-2025（富士吉田）で、AI により高速化したサロゲートモデルと粉体プロセスのデジタルツインについて講演しました。
  • Started as Assistant Professor at the School of Engineering, The University of Tokyo; JSPS KAKENHI Early-Career project on multiscale reduced-order modelling begins.就任东京大学工学部助理教授；主持的 JSPS 若手研究项目（多尺度降阶建模）正式启动。Prise de fonctions comme professeur assistant à la Faculté d’ingénierie de l’Université de Tokyo ; début de mon projet JSPS KAKENHI pour jeunes chercheurs sur la modélisation d’ordre réduit multi-échelle.東京大学 大学院工学系研究科 助教に着任しました。マルチスケール縮約モデリングに関する科研費（若手研究）も始まりました。
  • Received the Ashizawa Award for Future Innovation, The Society of Powder Technology, Japan.获日本粉体工学会芦泽粉体工学未来奖。Lauréat de l’Ashizawa Award for Future Innovation de la Société japonaise de technologie des poudres (SPTJ).粉体工学会 アシザワ粉体工学未来賞を受賞しました。
Blog博客Blogブログ

From the blog

Teaching a Transformer to Solve the Rubik's Cube教 Transformer 解魔方Apprendre à un Transformer à résoudre le Rubik’s CubeTransformer にルービックキューブを解かせる

Six training runs, 165 million parameters, and a hard lesson about the limits of scaling — curriculum learning, GRPO, and why ~50 % is a structural ceiling.

六轮训练、1.65 亿参数，一次关于缩放定律边界的实验：课程学习、GRPO 强化学习，以及为什么 50% 左右的成功率是结构性上限。

Six entraînements, 165 millions de paramètres et une leçon sévère sur les limites du passage à l’échelle — apprentissage par curriculum, GRPO, et pourquoi ~50 % constitue un plafond structurel.

6回の学習、1億6500万パラメータ、そしてスケーリングの限界についての手痛い教訓。カリキュラム学習、GRPO、そして成功率約50%が構造的な上限になる理由を紹介します。

Bad Apple!! But It's a DEM Simulation用 DEM 粒子仿真重现 Bad Apple!!Bad Apple!!, version simulation DEMBad Apple!! を DEM シミュレーションで

The iconic music video, rebuilt from tens of thousands of bouncing particles pushed by signed distance fields.

用几万个受符号距离场驱动的弹跳粒子，重现这支经典 MV。

Le clip culte, reconstitué avec des dizaines de milliers de particules rebondissantes guidées par des champs de distance signée.

あの有名な MV を、符号付き距離関数に導かれて跳ねる数万個の粒子で再現しました。

All posts

Welcome to My Little Corner!