教育经历
2019年 获同济大学博士学位
2015-2016年 哥伦比亚大学访问学者
工作经历
博士毕业后在布朗大学应用数学系、同济大学从事博士后研究
2022年入职复旦大学人工智能创新与产业研究院
研究方向
1. 高分辨率气象场智能降尺度研究：融合计算流体力学与深度学习方法，开发针对复杂下垫面（山地/城市）的伏羲气象大模型降尺度系统，实现10米级气象要素的精准预报，支撑新能源功率预测及低空经济发展。
2. 血管网络智能建模与血流动力学分析：基于深度学习与计算流体力学方法，构建人体血管系统的多尺度智能模型，实现血管介入手术的仿真与预后预测，为临床决策提供量化评估体系。
3. 气泡动力学跨尺度建模与知识发现：通过深度神经算子与物理信息神经网络的混合建模框架，构建数据-物理双驱动的气泡动力学模型，并实现隐式物理规律的显式数学表征。
主要成果
主要成果发表于PNAS、Nature Communications、Journal of Fluid Mechanics等国际期刊，在数据驱动流体动力学建模与复杂流动系统研究方面取得了一系列研究进展。
主持国家自然科学基金青年项目、上海市自然科学基金面上项目、复旦张江临床医学创新基金项目、清华大学外部协作课题、复旦大学引进人才启动项目等；重点参与科技部国家重点研发计划、科技部国家科技重大专项等。
招生专业
依托复旦大学大数据学院招收硕士研究生，招生专业为统计学，欢迎有机器学习、力学、气象相关背景的同学提前联系。
发表论文
代表性论文如下：
1. Lin, Chensen, Ruian Tie, Shihong Yi, Dongqing Liu, Xiaohui Zhong, Zixin Hu, and Hao Li. "Reconstructing fine-scale 3D wind fields with terrain-informed machine learning." Nature Communications (2026).
2. Lin, Chensen, Martin Maxey, Zhen Li, Kaixuan Zhang, and George Em Karnidakis. "Onset of cavitation and vapor bubble development over hydrophilic and hydrophobic surfaces. " PNAS (2025).
3. Chen, Lei, Xiaohui Zhong, Hao Li, Jie Wu, Bo Lu, Deliang Chen, Shang-Ping Xie, Libo Wu, Qingchen Chao, Chensen Lin, Zixin Hu and Yuan Qi. "A machine learning model that outperforms conventional global subseasonal forecast models." Nature Communications (2024).
4. Zhong, Xiaohui, Lei Chen, Jun Liu, Chensen Lin, Yuan Qi, and Hao Li. "FuXi-Extreme: Improving extreme rainfall and wind forecasts with diffusion model." Science China Earth Sciences (2024).
6. Liu, Shuai, Shuo Chen, Lanlan Xiao, Kaixuan Zhang, Yuan Qi, Hao Li, Yuan Cheng, Zixin Hu, and Chensen Lin*. "Unraveling the motion and deformation characteristics of red blood cells in a deterministic lateral displacement device." Computers in Biology and Medicine (2023).
7. Lin, Chensen, Martin Maxey, Zhen Li, and George Em Karniadakis. "A seamless multiscale operator neural network for inferring bubble dynamics. " Journal of Fluid Mechanics (2021).
8. Lin, Chensen, Zhen Li, Lu Lu, Shengze Cai, Martin Maxey, and George Em Karniadakis. "Operator learning for predicting multiscale bubble growth dynamics." The Journal of Chemical Physics (2021).
