• 1989：麻省理工学院 博士
• 1984：北京大学 学士

工作经历：

• 2025-至今：深圳河套学院，执行院长
• 2015-至今：深圳市大数据研究院，院长
• 2014-至今：香港中文大学（深圳），副校长（学术）、校长讲席教授
• 2003-2014：美国明尼苏达大学电子与计算机工程系，教授
• 2003-2013：美国明尼苏达大学电子与计算机工程系，ADC数字技术讲席教授
• 1989-2004：加拿大麦克马斯特大学，电子与计算机工程系系主任、加拿大国家科研讲席教授

罗智泉教授是深圳河套学院执行院长、中国工程院外籍院士、加拿大皇家科学院院士、香港中文大学（深圳）副校长、深圳市大数据研究院院长。他于1984年获北京大学数学系学士学位，1989年获美国麻省理工学院电子工程与计算机科学系运筹学博士学位。他是SIAM 会士和IEEE 会士以及IEEE信号处理期刊主编（2012-2014）。

罗智泉教授课题组专注于优化方法与机器学习、大模型、无线通信、信号处理等领域的交叉研究。罗智泉教授的学术成果包括面向人工智能与大模型的优化算法与系统方法（如面向大规模学习与推理的高效算子与训练/部署优化等）、无线通信的收发机优化设计、最优鲁棒波束成形设计、动态频谱管理等，相关论文分别获得2004年、2009年、2011年和2015年IEEE信号处理学会、2011年国际通信大会、欧洲信号处理学会以及2020年世界华人数学家联盟最佳论文奖。因在优化理论领域的卓越贡献，他于2010年获美国运筹和管理科学协会Farkas奖，2018年获国际数学优化学会Tseng纪念奖，2022年获中国工业与应用数学学会第一届王选应用数学奖，2023年获深圳市科技进步奖一等奖以及2025年ICCM首届华罗庚奖。

2020年，面对网络效能最大化的重大挑战，罗教授提出数据驱动的网络优化技术路线与算法框架，将统计模型与人工智能深度融合，开创了智能网络优化的新范式。该成果已在全球30多个国家部署，优化超过180万个基站，显著提升网络性能，惠及全球约四分之一人口，同时帮助运营商降低运营成本与碳排放，带来显著的经济与社会效益。

2025年，在人工智能核心基础技术方面，罗教授团队研发的 KernelCat 是国内首个面向国产AI芯片的智能算子开发与优化平台，可自动完成模型迁移、性能调优和算子生成，将原本数周的底层开发缩短至数小时，并在某昇腾芯片实测中实现延迟降低 22%、吞吐量提升 30%，有效推动国产AI生态从 “能用” 迈向 “好用” 。

在教学与人才培养方面，在过去二十余年的任教期间罗教授已指导数十位博士生进入世界一流高校任教（如南加州大学、伊利诺伊大学香槟分校、威斯康星大学麦迪逊分校、明尼苏达大学等），或在顶尖科技企业从事高水平研发工作（如谷歌、Meta、字节跳动、华为、领英、xAI等）。

目前团队学生有字节跳动 (Top Seed)、DeepSeek、Kimi、阿里巴巴 (Qwen)、华为、腾讯 (青云计划)、xAI等公司实习或正式工作录用经历，并有成员在深圳成功创办自己的企业。

1. Y. Qiu, C. Huang, Y. Xue, Z. Jiang, Q. Shi, D. Zhang and Z.-Q. Luo, “Relaxation-Free Min-k-Partition for PCI Assignment in 5G Networks,” IEEE Transactions on Signal Processing, 2025.

2. J. Wang, F. Yin, T. Ding, T.-H. Chang, Z.-Q. Luo, Q. Yan, “ Learning to Gridize: Segment Physical World by Wireless Communication Channel,” in arXiv preprint arXiv:2507.15386, 2025.

3. D. Rybin, Y. Zhang, Z.-Q. Luo, “ XX^t Can Be Faster,” in arXiv preprint arXiv:2505.09814, 2025.

4. Y. Zhang, D. Rybin, Z.-Q. Luo, “ Finite horizon optimization: Framework and applications,” in arXiv preprint arXiv:2412.21068, 2024.

5. K. Li, Y. Li, L. Cheng and Z.-Q. Luo, “Enhancing Multi-Stream Beamforming Through CQIs for 5G NR FDD Massive MIMO Communications: A Tuning-Free Scheme,” in IEEE Transactions on Wireless Communications, vol. 23, no. 11, pp. 17508-17521, Nov. 2024.

6. H. Liang, and Z.-Q. Luo. “Bridging distributional and risk-sensitive reinforcement learning with provable regret bounds.” Journal of Machine Learning Research 25.221 (2024): 1-56.

7. S. Zhang, X. Ning, X. Zheng, Q. Shi, T.-H. Chang and Z.-Q. Luo, “A Physics-Based and Data-Driven Approach for Localized Statistical Channel Modeling,” in IEEE Transactions on Wireless Communications, vol. 23, no. 6, pp. 5409-5424, June 2024.

8. K. Li, Y. Li, L. Cheng, Q. Shi and Z.-Q. Luo, “Downlink Channel Covariance Matrix Reconstruction for FDD Massive MIMO Systems With Limited Feedback,” in IEEE Transactions on Signal Processing, vol. 72, pp. 1032-1048, 2024.

9. Q. Wu, B. Zheng, C. You, L. Zhu, K. Shen, X. Shao, W. Mei, B. Di, H. Zhang, E. Basar, L. Song, M. D. Renzo, Z.-Q. Luo, Rui Zhang, “Intelligent Surfaces Empowered Wireless Network: Recent Advances and the Road to 6G,” in Proceedings of the IEEE, 2024.

10. X. Zhao, S. Lu, Q. Shi and Z.-Q. Luo, “Rethinking WMMSE: Can Its Complexity Scale Linearly With the Number of BS Antennas?” in IEEE Transactions on Signal Processing, vol. 71, pp. 433-446, 2023.

11. Y.-B. Zhao and Z.-Q. Luo, “Dynamic Orthogonal Matching Pursuit for Sparse Data Reconstruction,” in IEEE Open Journal of Signal Processing, vol. 4, pp. 242-256, 2023.

12. Y. Zhao, Z.-Q. Luo, Improved RIP-based bounds for guaranteed performance of two compressed sensing algorithms. Sci. China Math. 66, 1123–1140 (2023).

13. Z.-Q. Luo, X. Zheng, D. López-Pérez, Q. Yan, X. Chen, N. Wang, Q. Shi, T.-H. Chang, A. Garcia-Rodriguez, “SRCON: A Data-Driven Network Performance Simulator for Real-World Wireless Networks,” in IEEE Communications Magazine, vol. 61, no. 6, pp. 96-102, June 2023.

14. W. Pu, Y.-F. Liu and Z.-Q. Luo, “Efficient Estimation of Sensor Biases for the 3-D Asynchronous Multi-Sensor System,” in IEEE Transactions on Signal Processing, vol. 71, pp. 2420-2433, 2023.

15. C. Chen, L. Shen, W. Liu and Z.-Q. Luo, “Efficient-Adam: Communication-Efficient Distributed Adam,” in IEEE Transactions on Signal Processing, vol. 71, pp. 3257-3266, 2023.

16. Y. Zhang, K. Shen, S. Ren, X. Li, X. Chen and Z.-Q. Luo, “Configuring Intelligent Reflecting Surface With Performance Guarantees: Optimal Beamforming,” in IEEE Journal of Selected Topics in Signal Processing, vol. 16, no. 5, pp. 967-979, Aug. 2022.

17. J. Zhang and Z.-Q. Luo, “ A global dual error bound and its application to the analysis of linearly constrained nonconvex optimization,” in SIAM Journal on Optimization, vol. 32, no. 3, pp. 2319–2346, 2022.

18. M. Asgarian, G. Mirjalily and Z.-Q. Luo, “Embedding Multicast Service Function Chains in NFV-Enabled Networks,” in IEEE Communications Letters, vol. 25, no. 4, pp. 1264-1268, April 2021.