新闻及香港科大故事

香港科技大学（科大）研究团队利用一种名为「旋磁双零折射率超材料」（GDZIMs）的全新光学极端参数超材料，研发出一种基于GDZIMs的崭新光波操控机制，有望革新光通信、光学成像（用于生物医学）和纳米技术等领域，推动集成光子芯片、高保真光通信及新型量子光源的发展。这项研究由科大赛马会高等研究院临时院长兼物理系讲座教授陈子亭教授，以及物理系访问学者张若洋博士共同领导，并已发表于《自然》期刊。 GDZIMs与光学涡旋的潜力 GDZIMs是一种独特的光学超材料，其特性恰好位于两种不同光子拓扑相变的临界点，能以突破传统认知的方式操控光波。GDZIMs与传统材料有所不同，它同时具有零电容率和特殊的磁光特性，可稳定地生成时空光学涡旋——一种同时在时间和空间维度同步旋转的光场模式，使其在光传播控制方面具有卓越效能，对众多先进技术的应用发挥至关重要的作用。 研究人员通过构建磁性光子晶体并将其参数调节至相变临界点，首次实现了这种超材料，利用微波实时场扫描系统，他们进一步证实，当光脉冲撞击GDZIM平板时，会反射形成时空涡旋 – 这是一种在时空维度同时呈现涡旋结构、携带横向轨道角动量的特殊光波包。研究揭示这种涡旋光的产生源于GDZIMs的内禀拓扑特性，因此涡旋光的产生不会受到系统尺寸或周围环境的影响，呈现出极强的稳定性。此一重大突破有望提升光学技术性能，以助构建更快速和更安全的光通信系统。 陈教授表示：「这项研究连通了超材料、拓扑物理学和结构光场三个重要物理学，基于超材料拓扑特性，确立了就时空光场操控机制的全新概念。研究成果有望推动超高精度和高效率光学器件的设计，同时开辟广阔的应用前景，我们对其潜力的探索目前仅初现端倪。」 张博士补充道：「这种生成时空涡旋机制的拓扑稳定性确实令人瞩目，为开发新型超材料和光操控技术提供了一个有力的平台，对转化为通讯和高性能光子电路等领域的工业级应用奠定了坚实基础。」

香港科技大学（科大）工学院的跨学科研究团队最近成功开发了一套「拟人化认知编码系统」，让自动驾驶车（自驾车）能像人类司机般「思考」，综合判断复杂路况。这项崭新技术可将整体交通风险降低26.3%，而对于行人及骑行者等高风险群体来说，潜在意外更大幅减少51.7%。与此同时，自驾车的自身风险也下降了8.3%，为自动驾驶技术的安全性迈进一大步。 现行自动驾驶系统的一大局限，在于其「单对单」风险评估机制，即每次只能比较两个选项，无法像人类司机那样全面考虑道路上的多方互动，例如在十字路口优先让路予行人，再适度调整与附近车辆距离；一旦确定行人安全，再迅速将注意力转向其他车辆。这种动态决策能力，称为「社会敏感度 (social sensitivity)」。 为了让自驾车可「学习」人类的社会敏感度，科大土木及环境工程学系讲座教授杨海牵头的研究团队借鉴了神经科学、认知科学和伦理学概念，开发出符合人类认知逻辑的编码方案，为自动驾驶系统配备接近真人司机的感知、评估与行动能力。 该系统结合了三项关键创新： 一、个体风险评估模组 (Individual Risk Assessment)：评估每位道路使用者（包括行人、单车、电单车与邻近车辆）的潜在风险，包括分析其速度、相对距离和行为规律，例如，在路边行走的小孩会被归类为高风险群体。 二、社会权重风险映射模组 (Socially Weighted Risk Mapping)：在决策过程中引入伦理权重，优先保护弱势群体，例如在实际应用上，自驾车即使在规则允许前进的情况下，亦可能会主动礼让行人。 三、行为信念编码模组 (Behavioral Belief Encoding)：能预判自驾车决策对整体交通状况的影响，举例说突然变道会否导致周边司机急刹，或者加剧路面挤塞。

香港科技大学（科大）工学院研究团队成功研发一款名为MOME的人工智能（AI）大模型，利用全国规模最大的多参数磁力共振成像（mpMRI）数据建构，能够准确区分良性及恶性肿瘤，准确度媲美拥有五年以上经验的放射科医生。团队正与深圳市人民医院、广州市第一人民医院、云南省肿瘤医院等超过十间医院及机构合作，展开大规模验证，以进一步评估系统成效，为投入实际应用做好准备。 中国最大mpMRI数据集 乳癌是全球女性最常见且致命的癌症之一，早期筛查、准确的分子亚型分类，以及对治疗反应的预测，对乳癌治疗十分关键。尽管mpMRI数据能提供丰富的诊断资讯，但对于传统AI系统而言，整合这些数据的多种成像模态（即磁力共振中不同的成像序列）仍存在不少挑战，特别是在真实临床环境中，某些模态或有缺失的情况。 为了应对这些挑战，科大研究团队与多家医疗机构合作，构建了目前市场上最大的中国人乳腺多参数磁力共振成像数据集，并设计出一款能够处理异构输入的AI大模型。这个名为MOME的模型采用「混合专家框架」，并以「Transformer」深度学习架构为基础，能够灵活融合多模态信息，即使在部分成像序列缺失的情况下，依然能维持高稳定性。该模型亦支援分子亚型分类，并预测患者对治疗方案的反应。 可避免不必要化验及预测治疗成效 在测试中，MOME对乳癌的诊断准确度达到了拥有五年以上经验的放射科医生的水平。该模型能够准确识别BI-RADS 4类患者中（乳癌风险在2%至95%之间）的良性个案，从而减少此类患者接受穿刺化验的需要。MOME对预测病人进行前辅助化疗的反应亦有出色表现，该治疗方案能在手术前缩小肿瘤，提高手术成功率。此外，系统亦能及分辨高侵袭性乳癌亚型，以及需采用专门治疗方案的三阴性乳癌。

由香港科技大学（科大）化学系孙建伟教授和林振阳教授领导的研究团队，成功发现催化对映选择性II 型[5+2]环加成反应，并就合成手性桥联多环结构的挑战提供了应对方案，尤其是那些带有桥联七元环亚单元的复杂分子结构。这种崭新的方法使用了3-氧化吡喃叶立德分子，能控制合成分子的形状，有望日后能快捷又有效地合成更多其他复杂化合物，包括一些重要的天然合成物和药物分子。 手性桥联多环结构，尤其是带有桥联七元环亚单元的结构，是一种复杂而又非常重要的分子结构，常见于自然界的天然合成物和一些有用的药物中，但过往要合成这种复杂的分子结构非常困难。 在现有的方法中，多功能偶极分子（例如 3-氧化吡喃叶立德分子）内 [5+2] 环加成是少数能够合成此类复杂分子又比较有效的方法。这次研究是催化对映选择性 II 型环加成首次成功合成分子，可说是在合成复杂天然合成物方面上的重大突破。 研究团队在催化不对称氧化吡喃𬭩叶立德的type II型[5+2]环加成反应中，要实现高对映选择性控制的同时，更成功克服了产生反Bredt规则的高张力双键的挑战。与过往的共价催化策略不同，这次研究是首次将非共价的手性酸催化策略应用到氧化吡喃𬭩叶立德的环加成反应中，为该类反应的不对称控制提供了新方向。值得一提的是，由研究团队的实验室所发展的SPHENOL骨架衍生的手性磷酸在该类环加成反应中表现出了优异的效果。手性磷酸具有双重作用，既作为决定速度的烯醇化过程的催化剂，又作为对映体选择性C-C键形成的手性催化剂。 透过这个崭新的催化方法，期望将能合成各种多功能的桥环结构，而且这些结构本身亦是关键中间体，有潜质能进一步再合成一些重要的天然合成物和药物分子。孙教授补充：「这个策略不但可以扩展到其他不对称环加成反应，更为复杂分子的快速合成和多样化提供了基础。」 这项研究已于2025年5月在《Nature Synthesis》期刊上发表。    

香港科技大学（科大）工学院的研究团队成功研制出一款新型弹性合金Ti₇₈Nb₂₂，该材料具备高效固态制热效能，而且在弹性变形过程中所表现的可逆温度变化能力，为普通金属的20倍，为传统的蒸气压缩制冷和热泵技术提供环保的绿色替代方案。 全球近一半的能源消耗用于供热，包括建筑供暖和工业供热。现时，全球主要通过燃烧化石燃料供热，不仅产生大量温室气体，而且消耗大量能源。固态相变热泵是较为环保的替代方案，但其能效却局限于卡诺极限的50%至70%。如何突破这能效瓶颈，一直是全球面临的重大挑战。 为应对这个挑战，科大机械及航空航天工程学系孙庆平教授的研究团队提出利用弹性变形产生的温度变化实现制热。虽然这种热弹效应（Thermoelastic effect）早在19世纪就由著名科学家开尔文、焦耳和杜哈梅尔发现，但常规金属的热弹效应非常微弱，因而无法应用。孙教授的团队研发出具有[100]织构的Ti₇₈Nb₂₂马氏体多晶合金，该材料在弹性变形时表现出4–5 K的可逆温度变化——达到普通金属（通常仅约0.2 K）的20倍。而且，新材料的热能效达到卡诺极限的90%，媲美商用蒸汽压缩制热能效。 团队进一步发现，某种特定的铁弹性马氏体合金具备更佳的热膨胀特性，可实现高达22 K的温度变化。这项研究为绿色热泵产业展现出极具潜力的发展前景，并首次提出基于非相变原理的绿色高效供热解决方案。 孙教授表示：「这项发现从根本上改变了热弹效应过于微弱、难以应用的传统认知。我们的研究证明了仅靠弹性变形就能实现高效固态制热。」

硼杂环化合物是重要的结构支架，近年在催化剂、合成化学、材料科学和药物开发等领域的应用日益广泛。然而，目前的研究主要集中在三元、五元及六元硼杂环上，对四元硼杂环的探索仍然非常有限。由香港科技大学（科大）化学系全杨健教授和林振阳教授领导的研究团队，与香港中文大学吕海荣教授合作，在发展高效的四元硼杂环合成方法上取得了突破性进展，令以往难以获得的硼杂环亦得以轻易合成，预期将能实现更多实际应用。 硼杂环化合物作为重要的结构基元，在药物化学与功能材料领域展现出独特的应用价值。其中，五元和六元硼杂环体系已在生物活性分子与光电材料中得到广泛应用。尽管四元硼杂环具有显著的环张力，预期能带来丰富的反应性，但由于缺乏高效且通用的合成方法，长久以来限制了对四元硼杂环性质和应用的研究。 此次研究发现了全新的硼杂环合成路径，其关键在于研究团队成功解锁了硼碳双自由基（BCDR）化学。通过光促进的能量转移催化策略形成碳硼双自由基中间体。这项研究的重要突破是首次在四元硼杂环中成功实现了稳定性和反应性的有效平衡，使以往难以获得的其他硼杂环得以轻易合成，这些硼杂环有望在硼药物和分子功能材料等领域获得应用。 全教授补充：“更重要的是，应力性硼杂环的反应与稳定性平衡的概念和策略，不仅促进了硼杂环合成砌块的发展，更将好奇心驱动的研究转向以应用为导向的研究，从而吸引更多来自不同领域的研究人员。” 这项研究已于2025年4月发表于《自然化学（Nature Chemistry）》期刊。论文第一作者是科大化学系博士后研究员王欣谋博士，博士生张沛琪则进行了 DFT 计算；论文共同通讯作者为全教授、林教授和吕教授。

香港科技大学（科大）工学院研究团队成功研发了一种革命性的计算框架，深化了科学界对土壤、沙粒和药物粉末等颗粒材料动力学的理解。此突破性模型能透过综合分析水、空气及粒子间的相互物理作用，准确预测山泥倾泻，改善农业灌溉及石油抽取系统，并有助提升食物和药物的製造流程。 预测颗粒材料动力的挑战 固体颗粒材料（如：土壤、沙子，以及製药和食品生产中使用的粉末）的流动，是支配许多自然环境与工业过程的基本机制。理解这些颗粒与周边流体（如水、空气）的互动关係，对预测土壤崩塌或流体渗漏等状况至关重要。然而，现存模型在捕捉这些相互作用，尤其是当这些物质处于「不完全饱和状态」，因而牵涉到毛细吸力、黏滞力等複杂的计算因素在内时，要精准预测这些状况极为困难。 PUA-DEM革新颗粒模型范式 为应对这些挑战，科大土木及环境工程学系的赵吉东教授及其团队研发了「孔隙单元体 – 离散元模型」（简称PUA-DEM模型）。有别于传统模型多採用过度简化的单向流固耦合分析（如仅考虑流体对固体的单向影响等），PUA-DEM模型能综合计算颗粒、空气和水之间的物理交互动态，透过多向耦合分析，精准捕捉固体及流体的移动，并能准确模拟颗粒在不同饱和状态 (从完全湿透至完全乾燥的情况)下，压力释放程度的变化。 基于基础物理原理，这首创模型能精准预测流体和固体在交互作用下各种複杂状况，在岩土工程、环境科学与工业製造等领域，均有巨大的应用潜力。 颗粒模型应用广泛 研究团队正寻求与政府及业界合作，期望应用此技术以助解决现实生活的不同挑战。当中包括开发山泥倾泻早期预警系统； 透过模拟根土保水能力的交互作用以完善洒水灌溉策略；以及透过多方流体预测系统以协助改进现时石油採集以及碳封存工序的效率等。除此以外，新技术亦有望革新药物製造，透过更精准控制粉末的加工程序，使药物生产更安全和更高效，并有助确保药物剂量的一致性，从而提升疗效及改善病人预后。在食品製造方面，新技术可望革新咖啡、糖，以及婴儿配方奶粉等颗粒生产工序，改善其质地、溶解度以及保存稳定性等，亦有效减少耗能与浪费。

为响应香港特别行政区政府全力发展人工智能（AI）为关键产业的策略，香港科技大学（科大）今日正式成立冯诺依曼研究院（Von Neumann Institute），整合具身智能、生成式AI及先进超级运算等技术，推动跨学科协作，促进新质生产力，以迎接AI世代。 冯诺依曼研究院以著名电脑科学家、人称「电脑之父」的约翰·冯·诺依曼命名，其开创的「冯诺伊曼架构」，对当今的AI演算法影响深远。研究院将由计算机视觉与AI领域知名专家、科大计算机科学及工程学系讲座教授兼独角兽企业思谋集团创始人贾佳亚教授领导，凭借科大在AI领域的坚实基础，以及贾教授广泛的产业网络，研究院将致力于构建完整的AI生态系统，加强产学研合作，并通过中学拓展计划，培育新一代AI人才。 Vonnex机械人展现AI突破 出席研究院开幕礼的主礼嘉宾包括香港特别行政区财政司司长陈茂波、匈牙利驻香港总领事柯泰安 (Dr. Pál Kertész) 、香港投资管理有限公司（港投公司）行政总裁陈家齐，科大校董会主席沈向洋教授、校长叶玉如教授以及首席副校长郭毅可教授等。其中，贾教授团队研发的AI机械人Vonnex更参与揭幕仪式，展现了其流畅的操作与多模态感知系统，并能同时处理视觉、触觉和声音等资讯，彰显机械人技术的潜能。 财政司司长陈茂波在致开幕辞中表示：「特区政府相信人工智能蕴藏巨大的潜力。我们的目标是通过『AI+』策略，将AI融入各行各业。冯诺依曼研究院汇聚了科大、思谋集团及港投公司等多方人才与资源，集合卓越的学术水平、坚实的基础研究、丰富的业界经验，更拥有庞大的企业与投资者网络。我们期望研究院能成为开拓AI应用场景与推动研究成果商业化的平台，为香港不断发展的创科生态系统以及人工智能领域的进步作出贡献。」