专业方向：深度学习理论，具身智能，大模型高效训练推理，量子计算
招生方向：
面向本科生：研究组长期接收本科生加入课题组开展科研训练，尤其欢迎转入人工智能学院的本科生联系，已有多名成功案例。欢迎对具身智能、大模型、AI4S等深度学习应用方向感兴趣、有一定深度学习编程基础的学生，以及对深度学习理论或量子计算感兴趣、有一定数学或编程基础的学生通过邮件联系！
面向2027级硕士生：研究组有专硕名额，计划分别面向1）具身智能/大模型压缩轻量化方向和2）AI4S/人工智能辅助医药研究方向招收学生。研究组已有在这些方向上充分的预研内容，与国内外学术界、工业界专家保持着紧密的联系。欢迎对这些或其他方向感兴趣、有一定深度学习编程基础、已获得学院保研名额或即将考研的学生通过邮件联系！
李皓冉，2001年5月生，2025年7月加入深圳大学人工智能学院任助理教授、硕士生导师，博士毕业于美国莱斯大学，硕士毕业于美国约翰霍普金斯大学，本科毕业于清华大学自动化系。李皓冉在深度学习理论、高效学习算法及应用、量子计算理论与算法上开展了一系列的研究，积累了较为丰富的深度学习从理论、算法到实际应用的研究经验。近五年以第一作者身份在Neurips, ICLR, ACML, CoLLAs等国际会议上发表多篇论文；参与多项大模型与具身智能相关的重大科研项目，包括深圳市重点产业研发计划项目“人形机器人工业具身智能基座大模型与垂直领域示范应用”。
办公室：粤海校区 汇研楼811
教育背景：
2022.08-2025.04 莱斯大学 计算机科学博士
2019.08-2022.07 约翰霍普金斯大学 计算机科学硕士
2015.08-2019.07 清华大学 自动化系 工学学士
工作经历：
2025.07-至今 深圳大学 助理教授
2025.04-2025.05 莱斯大学 助理研究员
相关代表作：
(1) Haoran Li, Chen Wang, and Xuchuang Wang. Quantum Best Arm Identification with Limited Round of Adaptivity: Lower Bounds and Algorithms. In NeurIPS 2026.
(2) Haoran Li, Jingfeng Wu, and Vladimir Braverman. Memory-statistics tradeoff in continual learning with structural regularization. In ICLR 2026.
(3) Haoran Li*, Jingfeng Wu*, and Vladimir Braverman. Fixed design analysis of regularization-based continual learning. In Conference on lifelong learning agents, 2023 (pp. 513-533). PMLR.
(4) Haoran Li, Aditya Krishnan, Jingfeng Wu, Soheil Kolouri, Praveen K. Pilly and Vladimir Braverman. Lifelong learning with sketched structural regularization. In Asian conference on machine learning, 2021 (pp. 985-1000). PMLR.
(5) Guangyao Zheng, Sunghan Lee, Jeonghwan Koh, Khushbu Pahwa, Haoran Li, Zicheng Xu, Haiming Sun, Junda Su, Sung Pil Cho, Sung Il Im, In cheol Jeong, and Vladimir Braverman. Hierarchical Deep Learning for Autonomous Multi-label Arrhythmia Detection and Classification on Real-world Wearable Electrocardiogram Data. Digital Health, (2024).
