专业方向：深度学习理论，持续学习，强化学习，量子计算

招生方向：欢迎对具身智能、大模型、强化学习等深度学习应用方向感兴趣的学生，以及对深度学习理论或量子计算感兴趣的有一定数学基础的学生通过邮件联系！

李皓冉，2001年5月生，3044永利助理教授，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、持续学习算法及在医疗与视觉等方向的应用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ICLR, ACML, CoLLAs等国际会议上发表论文，其余曾发表SCI期刊论文2篇，系统深入开展相关的研究工作；有参与大模型与具身智能相关的重大科研项目的经历，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”。

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

相关代表作：

(1) Haoran Li, Jingfeng Wu, and Vladimir Braverman. Memory-statistics tradeoff in continual learning with structural regularization. In ICLR 2026. 

(2) 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. 

(3) 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. 

(4) 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).

(5) Sunghan Lee, Guangyao Zheng, Jeonghwan Koh, Haoran Li, Zicheng Xu, Sung P. Cho, Sung I. Im, Vladimir Braverman, and In C. Jeong. Optimizing Beat-wise Input for Arrhythmia Detection Using 1-D Convolutional Neural Networks: A Real-world ECG Study. Computer Methods and Programs in Biomedicine 269, (2025): 108898.