广东省体表泛化感知与模式分析工程技术研究中心旨在研究泛化感知与模式分析的原创前沿技术，促进广东省在相关技术应用领域的发展。作为人工智能系统的重要子课题，体表泛化感知与模式分析是赋能未来、实现人工智能在大健康、安防、智能制造等领域落地的关键支柱。本中心将结合人工智能、大数据等新一代信息技术，以新一代特征识别与中医智能医疗诊断需求为主导，广泛开展生物特征识别研究，推进特征信息标准数据库建设，从源头加速生物特征识别技术，为广东省新一代人工智能产业、生物信息产业的发展提供重要技术平台。本中心将以“理论引领技术，技术推动应用，应用支撑产业”为核心研发理念，开展模式识别技术理论与核心技术的探索，同时推动泛化感知技术及其应用系统的研发。在理论研究方面，中心将在注重基础理论的同时，面向计算模型、数据整合、学习方法等模式分析前沿突出问题进行深入研究。在工程能力提升方面，中心将强调技术人员培养、技术成果转化、设备开发、标准制定。在产业化推进方面，中心将与企业合作，建立产学研合作机制，共同推动技术成果的产业化。

SDS Colloquium Series题目预测赋能的最优样本选择嘉宾邹长亮，南开大学统计与数据科学学院教授主持吴建福，香港中文大学（深圳）数据科学学院校长学勤讲座教授日期2025年11月27日（周四）时间下午4:00 – 5:00 ，北京时间形式现场地点道远楼103会议室语言中文Abstract 摘要在大数据时代，我们常需要从海量数据中挑选出最具信息量的个体。传统样本选择方法多关注使得既定模型尽可能估计好的的代表性样本子集。但在半监督环境下，我们往往只有少量的已标注数据，而目标是如何从大量未标注数据中挑选出由其“未观测响应”所决定的最有价值的样本。本报告首先将样本选择问题重构为一个共形化多重检验问题。我们提出一个以数据最大化利用为核心的统一框架：充分利用标注和未标注数据，通过全排列构建得分并校准共形p值，从而在有限样本下控制错误选择率的同时显著提升监测效率。 随后，我们讨论在资源受限或需保持多样性时的最优样本选择。基于预测推断的不确定度量，我们建立错误选择率可控的优化策略，在有限预算下找到最具潜在价值的多样化样本。我们从理论上证明了其样本选择的渐近最优性，并通过模拟与真实数据验证其在实际应用中的高效性与可靠性。Biography 嘉宾简介邹长亮，南开大学统计与数据科学学院教授。主要从事统计学及其与数据科学领域的交叉研究和实际应用。研究兴趣包括：预测性推断、高维数据统计学习、变点和异常点检测等。近年来在统计学和机器学习领域的权威期刊和会议上发表论文五十余篇，入选爱思唯尔“中国高被引学者”。主持基金委优青、杰青、重点项目、重大项目课题和科技部重点研发计划课题等。任教育部科技委委员、全国应用统计专业硕士教学指导委员会委员、中国现场统计研究会副理事长等。

SDS Colloquium SeriesTopicHarmony in Cyber Physical Systems: Systems and Control PerspectivesSpeakerShinji HARA, Professor Emeritus, The University of Tokyo and Tokyo Institute of TechnologyHostJunfeng WU, Associate Professor, School of Data Science, CUHK-ShenzhenTianshi CHEN, Professor, School of Data Science, CUHK-ShenzhenDate18 November (Tuesday), 2025Time11:00 AM - 12:00 PM, Beijing TimeFormatOnsiteVenueRoom 103, Dao Yuan BuildingLanguageEnglishAbstractThere are a lot of world-wide crucial issues such as energy, environment, transportation and so on, and most of the science and engineering communities including the control community should try to solve them by collaborating with each other, where the target physical systems are normally very large and complex. Hence, it is natural from systems and control viewpoints to consider such systems as hierarchically networked dynamical systems, where the purpose of control is to achieve the global tasks by cooperation of multiple…

SDS Colloquium SeriesTopicExtracting Large Machine Learning Models: Theory and PracticeSpeakerHaibo HU, Professor and Associate Head, Department of Electrical and Electronic Engineering, The Hong Kong Polytechnic UniversityHostChenhao MA, Assistant Professor, School of Data Science, CUHK-ShenzhenDate28 November (Friday), 2025Time4:00 PM - 5:00 PM, Beijing TimeFormatHybridVenueRoom 103, Dao Yuan BuildingZoom Linkhttps://cuhk-edu-cn.zoom.us/j/96597538064?pwd=UA4JzmOQBFGpPQOr2xaSaaTNPZ5x1p.1Meeting ID: 965 9753 8064, Password: 154080LanguageEnglishAbstractRecent advancements in machine learning, particularly large language models (LLMs), have revolutionized numerous domains. However, machine learning systems may suffer from model privacy threats known as model extraction (ME) attacks, where an attacker aims to copy the victim model by submitting crafted queries and then using the query-output pairs to train a surrogate model that can emulate the behavior of the victim model. Based on the…

   2025年11月26日，数据科学学院DYP科研与旅行奖学金海报展示会（DYP Research and Travel Award Poster Session）在道远楼一楼大厅顺利举行。本次活动吸引了19名硕博学生选手参与成果展示，现场师生参与人数逾80人，氛围热烈。作为学院学术交流的重要平台，本次展示会以海报为载体，集中呈现了学生在数据科学、人工智能等领域的最新研究成果。选手们通过可视化展示与现场讲解，深入分享了研究背景、方法创新及实践价值，师生间围绕课题细节展开了充分探讨，有效促进了跨方向学术思想的碰撞。参展议题及简介详见活动议程手册。此次活动不仅为获奖学生提供了成果转化与经验交流的机会，也为全院师生搭建了近距离接触前沿研究的互动桥梁，进一步激发了学生的科研热情与创新活力。 

在人工智能技术深刻影响全球产业发展的浪潮中，数理基础正成为推动算法创新与技术进步的关键动力。11月22日，香港中文大学（深圳）成功举办第二届大湾区人工智能数理基础论坛。本届论坛延续首届“人工智能数理基础”主题，在此基础上进一步加强产学研的协作创新与交流，搭建了促进学术界与产业界互动的重要平台。出席论坛的嘉宾包括中国科学院袁亚湘院士，港中大（深圳）协理副校长兼科研处处长李学金教授，数据科学学院副院长、广东省人工智能数理基础重点实验室主任王子卓教授，以及实验室学术委员会委员等。同时，论坛还汇聚了近百位来自人工智能领域的专家学者与产业领袖，共同为人工智能的理论突破与应用落地注入新的动力。与会嘉宾围绕流形优化、在线线性规划到数据驱动决策后估计调整等理论研究的最新进展进行了深入交流，分享了人工智能在多个核心行业的应用实践，并讨论了人工智能理论创新与实际应用之间的融合与发展问题。开幕致辞在论坛开幕式上，港中大（深圳）协理副校长兼科研处处长李学金教授首先代表学校向远道而来的嘉宾致以热烈欢迎。李教授表示，建校十一年来，学校持续加大在人工智能领域的投入，科研平台建设与相关学科发展已取得显著成效。他希望通过此次论坛，聚焦人工智能的数理基础，深入探讨如何推动人工智能的健康、有序与可持续发展，促进前沿探索与战略目标的深度交流。港中大（深圳）协理副校长兼科研处处长李学金校长港中大（深圳）数据科学学院副院长、广东省人工智能数理基础重点实验室主任王子卓教授代表实验室对来自学界和业界的嘉宾表示热烈欢迎。王子卓教授介绍了实验室在团队建设、科研项目、研究成果及交流合作等方面的进展。他表示，希望实验室打造开放协作生态，以论坛凝聚学界与业界的创新合力，加速理论突破向新质生产力的转化。港中大（深圳）数据科学学院副院长、广东省人工智能数理基础重点实验室主任王子卓教授论坛聚焦本次论坛报告聚焦优化算法创新，与会专家分享了在流形式优化效率、革新在线规划性能、优化预测偏差、大模型推理效能分配等方面的数理基础底层算法突破、大模型资源分配理论更新以及在产业融合方面的研究进展与应用案例。中国科学院袁亚湘院士介绍了在乘积流形上构建预条件黎曼度量的通用框架，显著加速了黎曼优化算法，并成功应用于大规模结构化问题。港中大（深圳）数据科学学院王子卓教授探讨了在线线性规划计算开销大的痛点，通过稀疏重求解策略，…

2025年11月12日至14日，数据驱动运筹学技术研讨会（DDTOR 2025）于香港中文大学（深圳）举行。本次会议是DDTOR（原“数据驱动排队挑战”）首次在亚洲举办。研讨会汇集了来自运营管理、统计学、随机建模、数据科学与控制等领域的学者，3天期间吸引了近100名师生及业界人士现场参与。与会者就数据驱动运筹学的前沿议题进行交流，内容涵盖统计学习、随机优化、随机系统决策等多个方向。当前，大型网络运营与服务系统管理中产生的数据，为相关研究提供了新的机会。本次会议旨在探讨数据驱动运筹学的未来方向，促进学界与业界的对话与合作。会议为参与者提供了深入的交流平台，并通过报告与讨论，分享了在学习、优化与随机系统推断等方面的研究进展。 扫码查看活动相册 会议由港中大（深圳）数据科学学院院长Guillermo Gallego教授作开场致辞，陈逸伦教授主持。Gallego教授首先代表学院欢迎来自世界各地的与会者。他在致辞中谈到，人工智能的发展为运筹学注入了新的动力，同时推动了统计学、计算机科学与运筹学等领域之间的融合，并催生出新的研究模式与应用方向。在此背景下，本次会议的举办旨在探讨数据驱动运筹学在未来将如何发展，以及如何应对随之而来的科学与工程挑战。他也表示，希望借会议首次在亚洲举办之机，在深圳这座创新城市促进学者间的交流与合作，共同推动该领域向前发展。Guillermo Gallego教授作开场致辞 陈逸伦教授主持 报告环节本次研讨会汇聚了运筹学、统计学及相关领域的多位杰出学者，会议报告涵盖了一系列基础理论研究与落地应用成果，充分体现了数据驱动方法在推动运筹学前沿中的核心作用。在基础理论层面，多位学者围绕随机逼近、多臂老虎机等智能决策算法，探讨了其在不同数据与决策环境下的性能与可靠性，深刻揭示了传统算法在现实场景中的局限性，并提出了更高效、更稳定的新方法。同时，另一些学者立足于传统应用概率与运筹学的研究范式，针对服务系统中需求端的自激发性，内生性以及耐心有限等复杂不确定性结构进行理论刻画，深化了我们对该类决策场景的理解。两类研究相互补充，共同构成了现代智能决策的理论基础。在应用研究方面，多位学者聚焦平台运营、网络推理、国家公园管理等现实场景中的复杂决策问题，通过构建精准的运筹学模型，深入解析系统运行的内在规律，并将其与数据驱动方法深度融合…

2025年11月22日（星期六），第二届大湾区人工智能数理基础论坛将在香港中文大学（深圳）道远楼103会议室召开。本次论坛汇聚了人工智能数理基础领域的前沿学者与行业专家，围绕核心理论、前沿方法及应用实践进行深入交流。诚挚邀请关注人工智能与数学基础研究的各界人士参会，共同探讨未来发展方向。论坛信息时间2025年11月22日（星期六）地点香港中文大学（深圳）道远楼103会议室地址广东省深圳市龙岗区龙翔大道2001号主办单位香港中文大学（深圳）广东省人工智能数理基础重点实验室协办单位深圳国际工业与应用数学中心中国工业与应用数学学会数学与产业专委会中国运筹学会数据科学与运筹智能分会（筹）论坛议程实验室简介广东省人工智能数理基础重点实验室主要依托香港中文大学（深圳）数据科学学院和理工学院设立，由数据科学学院副院长王子卓教授担任实验室主任。实验室现有学术带头人及学术骨干近50名，侧重于发展人工智能的数理基础，寻求在理论上对人工智能的模型和算法进行突破，夯实人工智能发展的基础，与其他重点实验室形成天然互补。通过深入探索和理论研究，实验室将建立更加完整的人工智能数理基础体系，一方面为已有的人工智能方法打下理论基础，另一方面通过建立更完整的数理基础体系提出人工智能的新方法、新应用，进一步发挥人工智能的潜力，最终支持我国未来对人工智能技术持续发展的需求。同时，实验室的建立将吸引更多本领域的知名学者、扩大培养人工智能相关基础学科领域人才、加速广东省在人工智能方向的超一流学科建设、提升广东省在全国人工智能研究中的地位，并联合其他重点实验室共同为广东省和粤港澳大湾区经济发展提供新的重要增长点，有力支撑创新型社会建设，推动实现全面建成小康社会的奋斗目标。 

2025年11月8日至9日，由香港中文大学（深圳）、深圳河套学院、深圳市大数据研究院、上海交通大学联合主办，港中大（深圳）人工智能学院、港中大（深圳）数据科学学院、深圳市跨模态认知计算重点实验室、CCF 语音对话与听觉专委会和RTE开发者社区协办的“2025年声纹处理研究与应用学术研讨会”在港中大（深圳）及深圳河套学院成功召开。本次大会以“一音一世界，万象悉可聆”为主题，汇聚了来自海内外高校、科研院所及产业界的百余位专家学者，共同探讨声纹处理领域的前沿技术、核心挑战与未来趋势，为推动声纹技术从实验室走向产业落地搭建了高水平交流平台。大咖云集共话声纹科技新未来本次研讨会邀请到包括李海洲教授、陈景东教授、秦勇教授及武执政教授等多位IEEE Fellow、国家杰青、长江学者在内的顶尖专家及张栋、冷燚冲等产业界优秀青年人才作主题报告及圆桌论坛，内容覆盖声纹识别、语音合成、语音鉴伪、多模态语音处理、大模型赋能语音技术等多个热点方向。研讨会主席、港中大（深圳）武执政教授主持了开幕式，介绍了研讨会的背景及创新举措。特邀专家、西北工业大学陈景东教授带来主题报告《面向空间声场感知与重构的阵列设计与波束形成方法》，深入剖析智能声信号处理中麦克风阵列设计的核心挑战，并提出低维阵列实现高维空间信息获取的新范式。前沿议题，引爆技术讨论热潮本次研讨会设置了声纹处理及隐私安全、语音生成、提取、水印、个性化语音生成及端到端语音大模型等多个专题。钱彦旻教授（上海交通大学）介绍团队最新工作——《语音鉴伪大模型》。张鹏远研究员（中科院声学所）分享《多要素语音鉴伪技术》，从声学痕迹建模出发，展示团队在伪造语音检测方面的最新突破与落地实践。李明教授（昆山杜克大学）分享《融合空间信息和大模型的在线说话人日志与多人语音识别》，将空间角度信息与QWen大模型结合，在多人会议场景中降低错误率。王帅副教授（南京大学）带来《大模型的声纹能力初探》，系统评估大模型在声纹建模任务中的表现，并提出一个面向说话人任务的评测基准，以促进该方向的系统性评测与对比研究。苗晓晓助理教授（昆山杜克大学）分享《VoicePrivacy挑战赛背景下语音匿名化与隐私攻击的技术进展》，从攻防双视角梳理语音隐私保护技术演进路径。张伟彬博士（声扬科技）作为企业代表分享《声纹技术落地实践》，展示声纹技术在多种场景中的规模化应用成果。张晓雷教授（…

在全球气候危机日益加剧的当下，运输行业已成为温室气体排放的主要来源。以美国为例，长途重型卡车虽仅占道路车辆总数的0.4%，却贡献了约11%的交通运输碳排放，显示出巨大的减排潜力。电动化被视为重卡脱碳的重要途径，但若沿用传统的驾驶与充电模式，其减碳成效将显著下降，甚至在部分场景下比燃油重卡排放更多碳。香港中文大学（深圳）数据科学学院陈名华教授和两位DANCES实验室成员苏隽岩和林秋林基于团队多年系统研究，提出了一种创新方法，旨在解决大规模高速网络上重卡限时运输路径、速度与充电策略联合优化。在满足限时运输要求的同时，该方法可显著提升电动重卡的减碳效益。在全美高速公路网络测试中，该方法在电动化基础上额外实现25%的减排，使总碳排降幅达61%，减排总量相当于一个海湾地区富裕国家的年排放量。更重要的是，该策略可以推广到所有长途卡车运输场景，有望实现比单纯依赖零排放卡车提前9年实现相同减排目标，为行业提供了立即可部署的软件算法解决方案。该研究成果近日刊登于国际顶刊Nature Communications，论文题为“Optimizing Carbon Footprint in Long-Haul Heavy-Duty E-Truck Transportation”。文章同时入选Nature Communications 工程与基础设施领域“编辑精选”（Editor’s Highlights），成为2025年至今该领域全球仅收录的12篇精选论文之一，面向全球学界与产业界展示。此外，该文章亦被列为Nature Communications土木工程领域、能源与社会领域的“精选文章”（Featured Article）。值得一提的是，该研究不仅为Nature 系列期刊中首篇聚焦电动重卡碳足迹优化的论文，其会议版本还获得ACM e-Energy 2023大会唯一“最佳论文奖”。总体来说，该研究不仅成功运用计算机科学和运筹学的工具解决了电动重卡减碳最大化的关键难点，也为重型物流行业开辟了数据驱动、可立即部署的绿色运输新方案。作者名单：苏隽岩，林秋林，陈名华教授 （通讯作者）通讯单位：香港中文大学（深圳）数据科学学院、香港城市大学数据科学系（暂休）原文链接：https://www.nature.com/articles/s41467-025-64792-2 …

香港中文大学（深圳）数据科学学院直硕拟录取名单公示       根据香港中文大学（深圳）数据科学学院“本科生直硕计划”的工作安排，现将拟录取名单予以公示（见附件）。公示期为2025年11月10日至11月17日。如对拟录取名单有异议，请在公示期内以电子邮件方式向学院直硕工作组反映。 香港中文大学（深圳）数据科学学院直硕工作组电子邮箱: sds_tpgzs@cuhk.edu.cn

自2023年创办以来，香港中文大学（深圳）人工智能与机器人理学硕士（MAIR）项目持续吸引着来自全球的优秀学子，他们怀揣着投身AI、机器人及相关前沿领域的梦想而来。今年9月，MAIR项目迎来了来自全国各地与世界各地的126位新同学，其中人工智能方向56人，机器人方向70人。他们的本科院校涵盖北京大学、上海交通大学、浙江大学、哈尔滨工业大学、香港中文大学、加州大学圣巴巴拉分校等国内外知名高校。与新生的交流中，我们听到了他们选择MAIR的动机、刚入学的真实体验，以及如何规划未来的学习与成长。一起走进他们的故事吧。 🎤 新生访谈刘宇飞MAIR 机器人方向本科为中南大学土木工程专业司嘉祺MAIR 人工智能方向本科为北京大学信息与计算科学徐铭MAIR 人工智能方向本科为浙江大学计算机科学与技术湛梓昊MAIR 机器人方向本科为北京航天航空大学自动化专业 Q：为什么选择MAIR？刘宇飞MAIR机器人方向，本科为中南大学我偶然在网上看到了MAIR项目的招生要求和课程设置，其中提到欢迎不同理工科专业的学生跨专业申请，这让我很感兴趣。我的本科专业属于传统工科，并未深入涉及AI和机器人领域。出于对这两个领域的兴趣，再加上深圳是一个实习机会丰富的城市，我决定选择 MAIR。 司嘉祺MAIR人工智能方向，本科为北京大学我在本科期间接触AI算法较少，因此希望在研究生阶段进一步学习相关知识，提升自己在 AI 领域的能力，于是选择 MAIR。 徐铭MAIR人工智能方向，本科为浙江大学近年来，AI方向一直是热门领域，我个人也对具身智能领域很感兴趣，因此选择MAIR。 湛梓昊MAIR机器人方向，本科为北京航天航空大学我的本科专业是自动化，与机器人方向关系较为紧密，对这一方向很感兴趣。同时，MAIR有两年的学习周期，更有利于积累工程经验、参与项目和实习。 Q：经过这几个月的学习，你感受到MAIR项目中，可以如何利用学校资源提升专业能力？刘宇飞MAIR机器人方向，本科为中南大学通过Capstone项目与本校教授建立了联系，参与课题组的研究项目，这种方式拓宽了我的科研视野。我还参加了学校开设的机器学习、机器人数学基础等课程，并通过完成作业系统地学习了 AI 和机器人相关的专业知识。 司嘉祺MAIR人工智能方向，…

香港中文大学（深圳）数据科学学院校长讲座教授、深圳国际量子研究院首席研究科学家Masahito Hayashi（林正人）教授，与东京大学信息理工学研究科副教授Hayata Yamasaki（山崎隼汰）合作，成功破解量子信息理论中的重要未解难题——广义量子斯坦引理（generalized quantum Stein’s lemma），并建立了关于量子资源最优转换效率的普适法则。这项研究构建了一个统一的理论框架，用于分析量子信息处理中资源的识别性和可转换性。相关成果已在国际顶级期刊Nature Physics发布。论文链接：https://www.nature.com/articles/s41567-025-03047-9亮点速览制定量子资源最优转换效率的普适法则图示：基于热力学转换定律（左），制定量子信息处理资源转换的普适法则（右）▪️成功证明了广义量子斯坦引理（generalized quantum Stein’s lemma），这是量子信息理论中一个重要的未解难题。▪️物理学中存在决定能量转换效率的热力学第二定律。人们曾认为量子信息处理中也存在类似的定律，但近年来发现，作为其公式化关键的“广义量子斯坦引理”的现有证明存在错误，使其成为一个重要的未解难题。▪️此次成果解决了这一问题，揭示了决定量子计算和量子通信中资源转换效率的普适法则。这建立了一个统一的框架，用于分析量子信息处理的最优性能，有望广泛应用于量子计算和通信的分析、优化设计，以及它们基础理论的发展。广义量子斯坦引理描述了假设检验中的理论最优性能：即在量子信息处理中，如何以最高概率区分“有用量子态”（资源态）和非资源态。该引理最初于2008年提出，被认为是像物理学基础热力学第二定律那样，用于公式化量子资源转换法则的关键。然而，近期研究发现，广义量子斯坦引理的现有证明存在错误，使得公式化的可能性本身变得不确定，从而成为一个重要的未解难题。在本研究中，研究人员采用了现有证明中未曾使用的新方法，成功地严格证明了该引理。此外，通过利用该理论基础，他们构建了一个统一分析各种量子资源转换可能性的理论框架。本研究构建的关于量子资源识别和转换的普适理论框架，预计将为当前全球正在开发的量子计算机中的量子信息处理提供基础，用于定量分析量子资源利用的最优性能和原理极限，并帮助优化设计和分析新的应用。…

Introduction: The Academic Advisory System is a professional team composed of senior professors and staff from the School, dedicated to supporting undergraduates throughout their university experience. It offers guidance on academic planning and provides assistance for students facing academic challenges. Prof. LEE TanAssociate Dean (Undergraduate) & Chair of Student Advising CommitteeWebsite: https://sds.cuhk.edu.cn/en/teacher/2131 Prof. YAN MingDirector of Academic Advising (Computer Science and Engineering)Website: https://sds.cuhk.edu.cn/en/teacher/642 Prof. LIU MengmengDirector of Academic Advising (Computer Science and Engineering)Website: https://sds.cuhk.edu.cn/en/teacher/2239 Prof. CHEN YuangDirector of Academic Advising (Date Science and Big Date Technology)Website: https://sds.cuhk.edu.cn/en/teacher/2078 Prof. MILZAREK AndreDirector of Academic Advising (Date Science and Big Date Technology)Website: https://sds.cuhk.edu.cn/en/teacher/64…

SDS Colloquium SeriesTopicDiversified Bayesian Learning: Optimal Control with Multiple Biased Information SourcesSpeakerJussi KEPPO, Provost's Chair Professor and Head, Department of Analytics & Operations, NUS Business SchoolResearch Director, Institute of Operations Research and Analytics, National University of SingaporeHostZizhuo WANG, Professor & Associate Dean (Education), School of Data Science, CUHK-ShenzhenDate10 November (Monday), 2025Time11:00 AM - 12:00 PM, Beijing TimeFormatHybridVenueRoom 401, Dao Yuan BuildingLive on WeChat ChannelsLanguageEnglishAbstractWe consider a decision-maker (DM) who can acquire signals from multiple biased information sources to learn about a hidden state before making an earning decision. Unbiased signals are also available but come at a higher acquisition cost. The DM jointly optimizes both learning (information acquisition) and earning decisions to minimize expected loss. This problem is motivated by applications such as medical…

香港中文大学（深圳）数据科学学院首届博士毕业生以卓越的学术能力和广阔的职业前景，展现了学院培养的高质量与社会的高度认可。本届毕业生中：学术新星：部分毕业生前往芝加哥大学、麦吉尔大学、同济大学等国际知名高校从事博士后研究；教职精英：有的毕业生成为上海财经大学助理教授，投身高等教育；行业先锋：还有毕业生加入阿里云、理想汽车等领军企业，担任研发工程师、算法工程师等核心岗位。让我们一起走近几位优秀毕业生代表，聆听他们在港中大（深圳）的成长故事，感受他们的风采与智慧！ 卓越风采从SDS到世界舞台广进博士后研究员芝加哥大学洪桂毓助理教授上海财经大学商学院李国凯联合博士后研究员麦吉尔大学&女皇大学刘逸诚助理教授上海财经大学信息管理与工程学院孙凌儿管培生阿里云-商业技术余博西Senior Research Fellow（高级研究员）LERO（爱尔兰软件研究中心） 广进博士后研究员 @芝加哥大学教育背景本科：南京大学电子学院，毕业成绩全院第一博士：香港中文大学（深圳）数据科学学院指导老师陈昕韫 关于我我目前研究方向为随机排队系统的性能分析。博士期间关于多尺度重负载下随机网络的稳态分析发表在运筹学期刊Mathematics of Operations Research上。选择港中大（深圳）是因为大三下学期参加了戴老师在南大的招生宣讲，深深地被这里顶级的师资、国际化学术环境、优渥的软硬件设施以及学生培养理念和目标所吸引。 如果用几个关键词概括您的博士生涯，您会选择哪些词？为什么？•积累由于并非数学本科出身，入学前两年我集中精力系统补齐分析、概率与优化基础，并大量阅读排队论经典文献，完成了扎实的知识与能力积累。•迷茫初期课题久攻不下，一度怀疑自己的能力；而临毕业时，在学界与业界之间的选择让我陷入迷茫。•坚定在持续试错、反思，以及与导师和同学的交流中，我逐步建立了对科研的信心，明确了自己的优势与愿意长期投入的方向。 您感受到SDS的博士培养有哪些令您印象深刻的特色或优势？师资与学术氛围：港中大（深圳）汇聚了众多在国内外具有影响力的学者，学术氛围十分浓厚。国际化平台：英文课程与讲座已成为常态，学院鼓励并支持学生出国参会与访学，帮助开阔学术视野。跨学科优势：数据科学学院运筹、统计与计算机领域交叉紧密，获取计算资源和合作机会都十分便捷。…

2025年10月27日，第十届世界华人数学家大会（ICCM2025）正式公布了各类奖项的获奖名单，香港中文大学（深圳）副校长、深圳市大数据研究院院长、深圳河套学院执行院长罗智泉教授获得首届华罗庚奖，全球仅两位知名大学的华裔数学家获此殊荣。罗智泉教授在优化、人工智能、信号处理及无线通信领域的研究成果享誉国际，相关应用方面成果显著。罗智泉教授获得ICCM首届华罗庚奖华罗庚奖于2025年ICCM大会首次颁发，为了纪念被誉为“中国现代数学之父”、为中国数学带来国际声誉的华罗庚教授而设立，旨在表彰在各个领域做出开创性贡献的全球45岁以上的华裔数学家。本次大会设有三大奖项华罗庚奖、陈省身奖、林家翘奖，以及金奖、银奖、国际合作奖、ICCM数学贡献奖等，获奖者中既有已享誉国际的顶尖学者，也有在前沿问题上取得重大突破的青年数学家，他们均在各自研究领域做出了具有国际影响力的贡献，充分展现出华人数学家的卓越实力与日益增强的国际影响力。罗智泉教授· 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）副校长罗智泉教授是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、深圳河套学院执行院长。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）。罗智泉教授的学术成果包括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。2020年，为挑战网络效能最大化的难题，他开创性地提出了数据驱动的网络优化技术路线和算法框架，成功将数据驱动网络统计模型与人工智能技术深度融合。该成果目前已成功应用于30多个国家的无线网络，优化超过180万个基站，显著提升了网络性能。该技术不仅惠及全球四分之一人口，…

香港中文大学（深圳）数据科学学院2026年硕士项目现已开放申请！你是否在思考数据科学学院的项目是否与你“双向匹配”？11月2日（周日）11:00 - 17:00，SDS将在港中大（深圳）会议楼II举办开放日活动，为你提供一场「双轨对话」——招生官权威解读：深入了解项目内核与录取标准。校友分享：从在读体验到就业发展，学长学姐为你提供真实视角。参加本次活动，你将收获：1v1对话招生官：精准把握申请先机简历诊断：招生官将为你提供个性化建议，优化申请材料。录取答疑：解答你对录取偏好、申请流程的疑问，提升录取概率。全链路资源：一站式规划未来从“招生要求”到“就业数据”，从“项目特色”到“发展前景”，所有关键信息一网打尽。与教授、学长学姐、招生老师面对面交流，为你的申请与职业规划提供有力支持。校园开放日：打卡领奖乐不停沉浸式感受港中大（深圳）校园氛围，深度游览特色地标。参与互动打卡，领取精美周边纪念品，更有机会赢取惊喜大奖！ 期待与你相遇，共同探索数据科学的无限可能！ 活动详情■ 时间11月2日（周日）11:00 - 17:00 ■ 地点香港中文大学（深圳） - 会议楼II*参与活动仅可从学校东门进入 ■ 数据科学学院宣讲硕士项目数据科学理学硕士金融工程理学硕士人工智能与机器人理学硕士计算机科学理学硕士统计学理学硕士 ■ 宣讲嘉宾阵容方一向教授 计算机科学硕士项目主任官永涛教授 数据科学学院副院长何启新教授 金融工程硕士项目职业导师姜铁锋教授 统计学硕士项目主任茅剑锋教授 助理院长，数据科学硕士项目主任武执政教授 人工智能与机器人硕士项目主任 ■ 报名方式欢迎扫描以下二维码报名： ■ 联系方式 

一音一世界，万象悉可聆”—— 聚焦声纹处理领域前沿，一场汇聚学界智慧与产业实践的学术盛会即将来袭！2025年声纹处理研究与应用学术研讨会定于11月8-9日在香港中文大学（深圳）举办，现诚邀高校、科研院所、企事业单位中从事声纹处理科学研究、技术开发、教学实践的专家学者参会，共探领域核心科学问题，共话未来发展新趋势。01研讨会信息地点：香港中文大学（深圳）道远楼103（近老南门）地址：广东省深圳市龙岗区龙翔大道2001号时间：2025年11月8日-9日01主办单位香港中文大学（深圳）、深圳河套学院、深圳市大数据研究院、上海交通大学02协办单位香港中文大学（深圳）数据科学学院、人工智能学院、深圳市跨模态认知计算重点实验室03组织阵容荣誉主席：李海洲大会主席：武执政、钱彦旻会务支持：赵梦琪、廖晨、申英达02研讨会议程11.08（周六）09:00–09:15 开幕式09:15–09:55 特邀报告：陈景东09:55–10:30 合影及茶歇10:30–12:30 分论坛一：声纹处理及隐私安全12:30–14:00 午餐14:00–16:00 分论坛二：个性化语音增强与提取16:00–16:20 茶歇16:20–18:20 海报交流18:50–21:00 晚宴及special event11.09（周日）08:30–10:30 分论坛三：个性化语音生成10:30–10:50 茶歇10:50–11:40 特殊议题：端到端语音大模型11:40–13:30 午餐（河套学院）14:00–14:30 语音研究与企业落地实践14:30–16:00 圆桌讨论16:00–16:10 闭幕式及参观03报告汇总特邀报告题目：面向空间声场感知与重构的阵列设计与波束形成方法摘要：智能声信号处理涵盖多个关键环节，包括声信号的感知与获取、信号分离与增强、参数估计、事件检测与识别、语义理解以及声场重构等。其中，感知与获取作为整个流程的基础环节，涉及麦克风的选型与设计、阵列结构的构建与优化，以及基于阵列的各类信号处理算法。随着麦克风阵列技术在实际应用中的不断普及，不同场景对阵列的需求也日益多样化和复杂化，对阵列设计与处理算法的功能和性能提出了更高要求。然而，现有的理论和方法在很多方面仍难以满足实际应用的需求。本报告将重点分析智能声信号处理在麦克风阵列设计与波束形成方面的核心技术需求，…