上一篇 邵斌
石磊 下一篇
施宇
北京中关村学院导师
施宇，北京中关村学院AI核心科学学部研究员。研究兴趣包括通用及自主进化智能体、下一代大模型基础架构、以及多模态科学智能大模型。同时长期致力于解决机器学习中的系统性能瓶颈，包括低精度量化和分布式训练策略，以及高性能算子设计。研究成果发表在机器学习顶级会议以及自然科学期刊。曾多次在中科院计算所以及清华大学讲授《高等机器学习》的部分内容，同时也是开源机器学习工具LightGBM的长期社区贡献者。
个人主页链接：https://scholar.google.com/citations?user=M9LWmQUAAAAJ&hl=zh-CN&oi=ao
个人主页链接：https://scholar.google.com/citations?user=M9LWmQUAAAAJ&hl=zh-CN&oi=ao
研究方向
1. 通用及自主进化智能体：探究大模型智能体的通用性提升及自主进化能力，包括视觉模态融合、记忆机制、准确及高效工具调用、以及端到端的RLVR。
2. 下一代大模型基础架构：线性注意力机制及其高效实现。
3. 多模态科学智能大模型：统一有机生物分子以及周期性材料的结构生成以及力场。联合语言模型构建通用解决科学问题的能力。
教育经历
2017-2020年 清华大学交叉信息研究院 计算机科学与技术 硕士
2013-2017年 上海交通大学计算机科学与工程系 计算机科学与技术 学士
工作经历
2025-至今 北京中关村学院 研究员
2024-2025 微软研究院科学智能中心 高级研究员
2022-2024 微软研究院科学智能中心 研究员
2020-2022 微软亚洲研究院 副研究员
代表性学术论文
“*” indicates the corresponding author; “†” indicates the equal contribution.
1. Scalable emulation of protein equilibrium ensembles with generative deep learning Sarah Lewis†, Tim Hempel†, José Jiménez-Luna†, Michael Gastegger†, Yu Xie†, Andrew Y. K. Foong†, Victor Garcı́a Satorras†, Osama Abdin†, Bastiaan S. Veeling†, Iryna Zaporozhets, Yaoyi Chen, Soojung Yang, Arne Schneuing, Jigyasa Nigam, Federico Barbero, Vincent Stimper, Andrew Campbell, Jason Yim, Marten Lienen, Yu Shi, Shuxin Zheng, Hannes Schulz, Usman Munir, Cecilia Clementi, Frank Noé*
Science, July 2025.
Paper link: https://www.biorxiv.org/content/10.1101/2024.12.05.626885v1.full.pdf
2. MatterSim: A Deep Learning Atomistic Model Across Elements, Temperatures and Pressures
Han Yang†, Chenxi Hu†, Yichi Zhou†, Xixian Liu†, Yu Shi†, Jielan Li†, Guanzhi Li†, Zekun Chen†, Shuizhou Chen†, Claudio Zeni, Matthew Horton, Robert Pinsler, Andrew Fowler, Daniel Zügner, Tian Xie, Jake Smith, Lixin Sun, Qian Wang, Lingyu Kong, Chang Liu, Hongxia Hao, Ziheng Lu
Paper link: https://arxiv.org/abs/2405.04967
3. Predicting Equilibrium Distributions for Molecular Systems with Deep Learning
Shuxin Zheng†*, Jiyan He†, Chang Liu†*, Yu Shi†, Ziheng Lu†, Weitao Feng, Fusong Ju, Jiaxi Wang, Jianwei Zhu, Yaosen Min, He Zhang, Shidi Tang, Hongxia Hao, Peiran Jin, Chi Chen, Frank Noé, Haiguang Liu†*, Tie-Yan Liu
Nature Machine Intelligence 2024.
Paper link: https://www.nature.com/articles/s42256-024-00837-3
4. Quantized Training of Gradient Boosting Decision Trees
Yu Shi*, Guolin Ke*, Zhuoming Chen, Shuxin Zheng, Tie-Yan Liu
In Proceedings of NeurIPS 2022.
Paper link: https://arxiv.org/abs/2207.09682
5. Gradient Boosting with Piece-Wise Linear Regression Trees
Yu Shi, Jian Li, Zhize Li
In Proceedings of IJCAI 2019.
Paper link: https://arxiv.org/abs/1802.05640