新闻及香港科大故事

可编程光子学利用光传送信号，能达到比电子学更快、更节能的运算。然而，现有片上功率监测器的性能不足，令可编程光子系统的发展受限。香港科技大学（科大）工学院研究团队成功开发一种注入锗离子的硅波导光电二极管，这种新型光探测器具备高响应度、超低光学损耗及低暗电流的特点，能大大提高片上功率监测器的效能，为节能、超灵敏生物感测系统提供关键硬件，以促进可编程光子学的实际应用。研究成果已于国际期刊《先进光子学》发表。可编程光子学器件利用光来进行复杂运算，是光子学研究的关键领域。有别于使用电子传送信号的传统电子装置，可编程光子系统使用光子，具有处理速度更快、带宽和能源效率更高的优势，使可编程光子学可应用于对运算要求较高的实时深度学习、数据密集型计算等。片上功率监测器是构建可编程光子网络不可或缺的核心组件，其性能高低直接决定了系统的自适应调整精度、稳定性和整体效能。然而，现有功率监测器的设计存在许多限制，包括需要保持极低光学吸收损耗，以避免对传输中光讯号造成显著衰减，亦需要高响应度来确保对微弱光功率的检测灵敏度，以及保持低暗电流和低功耗。为应对这些挑战，由科大电子及计算机工程学系系主任及教授潘永安及博士生牛玥带领的团队，开发出一种注入锗离子的硅波导光电二极管，解决了片上功率监测器无法兼顾高响应度和低损耗的难题。波导光电二极管是一种小型光探测器，可直接集成用于传输光讯号的光波导中。波导光电二极管将在波导中传输的一小部分光，转换为电讯号，以便传统电子设备进行测量。注入锗离子有助增强转换效率，原理是透过离子轰击在光电二极管的硅结构内部引入可控的缺陷，令其可吸收比纯硅吸收范围更低的光子，使光电二极管能够侦测波长范围宽度更广的光。

香港科技大学（科大）去年通过遴选，获中国国家航天局委任牵头「嫦娥八号」国际合作项目——月面多功能操作机械人暨移动充电站（名为「香港操作机械人」）。该项目将汇聚海内外航天领域的学者与专家，共同研制配备移动充电设备、能执行灵巧操作的多功能月面操作机械人，旨在为国家月球探索任务作出重要贡献。为支持这一国际合作项目，香港特别行政区政府已在InnoHK科研平台上成立「香港太空机械人与能源中心」，由科大主导，负责推动跨院校与跨地域合作。科大「香港操作机械人」将与本地、内地及海外多所大学及航天科研机构共同研发，致力于推动航天技术全生命周期——从概念设计、研发、制造到测试与系统集成的前沿创新。作为国家探月工程第四期任务的一部分，「嫦娥八号」探测器计划于2029年前后发射，国家将来在月面上建设国际月球科研站。届时，「嫦娥八号」将着陆于月球南极，并携带包括「香港操作机械人」在内的国际月面机械人科考家族，执行科学探测任务。该款由科大跨学科团队研发的机器人，凝聚了顶尖跨学科团队的前沿科技精髓，将在国家重大航天任务中承担关键角色，以其卓越的自主功能及精确度，在适应月球极端环境方面发挥极致的作用。科大副校长（研究及发展）郑光廷教授表示：「中国航天事业发展迅速，在深空探索领域的成就举世瞩目。香港凭藉『背靠祖国、联通世界』的独特优势，结合雄厚的科研实力，正积极融入国家航天发展大局。科大通过参与国家『嫦娥八号』探月任务，以及承担创新及科技支援计划下『特别徵集（航天科技）』资助的『从中国空间站监测温室气体排放点源』研究项目，为国家航天事业的国际化进程提供助力。科大充分发挥在人工智能、机械人、材料科学及热控工程等领域的科研优势，全力推动航天科技成果的转化与应用。此举不仅能提升香港在航天科技领域的国际竞争力、创造显着经济效益，更将进一步巩固香港作为国际创新科技中心的地位。」

由香港科技大学（科大）带领的国际科研团队发表重要气候研究，预警在全球温室气体排放持续高企的情况下，北半球夏季季候风地区将从2064年起经历极端天气事件。亚洲及更广泛的热带地区将出现频繁的「降水骤变」（precipitation whiplash）极端天气现象，即每隔30至90天，极端暴雨及乾旱便会交替出现，进而引发气候突变，对粮食生产、水资源管理及洁淨能源供应造成灾难性影响。这项突破性研究以《未来北半球夏季季节内振盪现象将加剧全球次季节气候骤变》为题，已于权威期刊《科学进展》上发表，由科大潘乐陶气候变化与可持续发展研究中心主任、土木及环境工程学系副教授陆萌茜教授及土木及环境工程学系博士后研究员郑达勋博士领导，合作团队包括夏威夷大学、中山大学及南京信息工程大学的科研人员。该研究基于第六阶段耦合模式比较计划（CMIP6）的28个全球气候模式，运用前沿全球气候模型对北半球夏季季节内振盪现象（Boreal Summer Intraseasonal Oscillation，BSISO）的变化规律进行预测。BSISO作为主导夏季热带地区30至90天尺度上最主要的季节内变率模态，由此形成的降水增加及抑制交替带对亚洲夏季季候风区域产生重要影响。通过採用非监督式集群分析K平均演算法（K-means Clustering）去处理大规模数据集，研究成功划分出三种BSISO传播模式，包括经典的东北向、北极向及东方向移动模式。

获国家科技部正式批准、由香港科技大学（科大）与香港理工大学（理大）共建的「沿海城市气候韧性全国重点实验室」（实验室）今日举行成立仪式。 实验室致力推动香港、国家及全球沿海城市提升基础设施韧性，强化气候风险预警与应急能力，并推动可持续发展，应对气候变化带来的挑战。大会并一连两日举办国际研讨会，汇聚全球顶尖专家和学者，共同探讨如何加强全球沿海城市的气候韧性。活动于理大唯港荟举行，由科大校长叶玉如教授、理大校长滕锦光教授、科大副校长（大学拓展）、实验室主任及中电控股可持续发展学教授吴宏伟教授、理大常务及学务副校长黄永德教授、理大建设及环境学院院长、 实验室主任及潘乐陶韧性基础设施研究院院长李向东教授，以及实验室学术委员会主席岳清瑞教授主礼。叶玉如教授表示：「我们衷心感谢中央政府与香港特别行政区政府高瞻远瞩、坚定不移的支持，促成这所开创性的『沿海城市气候韧性国家重点实验室』正式成立。这项重要合作充分展现香港汇聚顶尖学府的科研力量，共同应对当前全球最迫切的挑战。此实验室不仅是一项科研布局，更是国家层面的战略举措。实验室将聚焦城市防灾与基建韧性等前沿领域，透过开拓创新方案，进一步巩固香港作为国际创新科技枢纽的地位，助力国家在科学发展与可持续道路上，稳步向前、扎实迈进。」滕锦光教授表示：「『沿海城市气候韧性全国重点实验室』的成立，既深度契合《国家适应气候变化战略2035》的总体布局，也回应香港特别行政区政府对气候韧性城市发展的重视，意义深远。这不仅印证了国家对科技自立自强、追求科学卓越与推动可持续发展的坚定追求，更充分彰显了香港世界级大学优势互补的协同效应，透过战略性合作推动国家创新和全球科学进步。理大衷心感谢中央政府与特区政府的远见卓识和鼎力支持，未来将持续把科研成果转化为具影响力的解决方案，全力把实验室打造成为韧性城市建设的『核心引擎』，为社会安全、城市韧性与可持续发展提供有力支撑。」

由香港科技大学（科大）物理系许钦教授与机械及航空航天工程系胡文琪教授联合领导的研究团队，近日在柔性复合材料领域取得重大突破，研发出一种具高度可编程性且具非对称力学响应的新型柔性复合材料系统。 团队成功将〝剪切─堵塞〞相变机制融入高分子聚合物基体，为实现机械智能系统提供了关键的材料基础，迈出了发展新一代智能材料与装置的重要一步。在软件机器人、仿生组织及柔性电子等前沿工程领域中，能够对外部刺激作出特异性响应的材料，是实现智能功能的关键。 然而，传统设计多依赖具有非线性结构或复杂几何构造的超材料，这些离散结构往往对缺陷和断裂极为敏感，限制了其工程实用性。 有别于传统方式，许教授和胡教授的研究提出了一种全新设计范式，利用〝剪切─堵塞〞相变物理机制发展出柔性复合材料，展现出独特的科学优势与工程潜力。这项研究的主要科学与工程突破包括：• 多维度方向控制：研究团队制备的柔性复合体在剪切与法向两个方向上同时展现出非互易性力学行为，实现对不同加载路径的方向的灵敏响应，并且具备非对称材料形状记忆特性，可进行多维度方向控制。 • 可编程且高韧：有别于传统脆弱的刚性超材料，柔性复合材料不仅具有高度可编程的力学特性，同时具备出色的抗断裂能力，展现出高韧性。 透过调控其内在的〝剪切─堵塞〞相变过程，可以精确控制材料性质，从而自主制订所需力学响应，以满足不同应用需求。 • 活性智能新材料：研究团队进一步将〝剪切─堵塞〞结构与空间调变的磁性分布相结合，创造出能自主运动的〝软件活性固体〞。 这种活性智能新材料可用作仿生软件机器人，在狭小环境中灵活移动; 也可以作为智能阀门，在微流控系统中实现选择性流控。从科学角度而言，该研究创新地结合颗粒物理学与高分子材料科学，建立了具有非互易力学性质的新型软物质体系；在工程应用方面，研究团队为制备各类具有方向特异性响应的柔性复合材料提供了一种既高效且通用的设计策略，此研究不仅为实现机械智能奠定了基础，更为新一代智能及节能材料的开发开辟了全新途径。

香港科技大学（科大）工学院的研究团队在脑成像领域取得重大突破，成功开发出一项全球首创技术，能够以近乎无创方式，对清醒状态下的实验小鼠大脑进行高分辨率图像扫描。这项创新技术毋须对实验动物实施麻醉，使科学家能直接观察大脑在自然运作状态下的组织活动，未来将有助深入探索人类脑部在健康和疾病状态下的运作，为神经科学研究开辟全新路径。人类大脑构造极其复杂，科学家一直试图利用脑成像技术探索其运作机制。然而，现有成像技术如磁力共振成像、脑电图、电脑断层扫描和正电子发射断层扫描等，均难以解析大脑微细结构及工作机制。由于小鼠在基因和生理结构上与人类高度相似，常被用作实验模型，用于研究阿兹海默症、亨廷顿舞蹈症、脑痫症等神经系统疾病的治疗方法，以及多种人类癌症疗法和疫苗效用等。然而，在麻醉状况下，小鼠的血液循环、胶质细胞形态及神经元活动会发生显著改变，实验效果远不如清醒状况理想。此外，小鼠在自然活动时亦会导致扫描图像模糊，令观察大脑细微部位的活动变得十分困难。由科大工学院电子及计算机工程学系教授瞿佳男教授带领团队开发的新技术「数字复用焦点感测与整形」（Multiplexing Digital Focus Sensing and Shaping，简称MD-FSS），建基于团队2022年在《自然 – 生物技术》期刊发表的「 模拟锁相相位检测焦点感测与整形（Analog Lock-in Phase Detection Focus Sensing and Shaping，简称ALPHA-FSS）技术进一步开发而成。 ALPHA-FSS利用三光子显微镜，具备高精度和高校正阶数的优势，能以亚细胞级分辨率观测脑部深层组织。然而，ALPHA-FSS的焦点测量速度仍不足以清晰捕捉清醒小鼠大脑组织的活动状况。此外，小鼠颅骨的厚度和密度亦会显著吸收和散射进入大脑的光线，令双光子显微镜难以穿透颅骨。 即使是大脑表层区域，图像质素也会因此下降，导致成像效果不佳。

由香港科技大学（科大）工学院领导的研究团队在量子棒发光二极管（QR-LED）技术上取得重大进展，为红色QR-LED创下了破纪录的高效率水平。 这项创新有望彻底改变下一代显示与照明技术，为智能手机和电视用户带来更生动、更优质的视觉体验。发光二极管（LED）早于数十年前已应用于电子产品，直至近年量子材料出现，催生出量子点LED（QD-LED）和量子棒LED（QR-LED）。 与目前主流的LED技术相比，QD-LED能够提供更高的色纯度（颜色鲜艳程度）和亮度。 然而，光取出效率是主要障碍，因为它为外部量子效率（EQE）设定了根本性的上限，从而阻碍了性能的进一步提升。QR-LED所采用的量子棒是一种细长形的纳米晶体，具有独特的光学特性。 通过改良设计，可优化光的发射方向，从而提高光取出效率。 然而，QR-LED面临两大技术挑战：一是材料在吸收光子后，其光致发光量子产率（即发射和吸收光子数量的比率）较低; 二是薄膜质量较差，容易引起漏电流现象。为突破现有局限，由科大电子及计算机工程学系副教授Abhishek K. SRIVASTAVA教授所带领的研究团队，通过精细的合成工艺成功提升了QR-LED的光学性能，并实现了红色和绿色量子棒在尺寸分布和形状上均一，令光致发光量子产率显著提升至92%，这些特性对于优化QR-LED性能至关重要。过往的研究一直忽视了不规则量子棒薄膜所引起的漏电流现象，以及该问题对QR-LED外量子效率的负面影响。 为此，团队构建了一个等效电路模型，以深入分析传统QR-LED结构中的漏电流问题及其器件的工作原理，从而开发具针对性的解决方案以抑制电流泄漏。 通过对QR-LED器件结构进行优化改造，团队在提升载流子注入效率的同时，显著抑制了漏电流的现象。采用新技术后，经优化后的红色QR-LED实现了高达31%的外量子效率，亮度达110,000 cd m⁻²，创下了红色QR-LED研究的新纪录。 为验证该技术的通用性，团队以相同方法应用于绿色点棒状量子棒，同样取得满意结果：外量子效率20.2%，并实现了250,000 cd m⁻²的超高亮度。 有关成果不仅证明了团队的创新方法有效，也展示了其在不同颜色和形状量子棒的庞大应用潜力。

人工智能（AI）图像编辑及生成模型获广泛应用于图像创作，然而其对抽象概念如感觉和氛围等理解精准度一直存在局限，且多依赖纯文字指令，较难准确表达复杂图像意思，亦无法捕捉风格、材质或光影等效果。 由香港科技大学（科大）冯诺依曼研究院院长兼计算机科学及工程学系讲座教授贾佳亚教授带领的团队成功开发名为「DreamOmni2」的AI图像生成和编辑器，不仅拥有卓越的多模态指令编辑和实体对象生成能力，更在抽象概念的理解和生成方面有重大突破，让AI不仅能「看图」，更能「理解图意」，多方面表现优于同类型开源和闭源模型， 为AI创作开启无限可能。直击缺陷：解锁抽象概念的创作潜能近年，图像编辑及生成模型的发展进入爆发阶段，新品频出，但暂时仍未有任何模型能彻底克服实际作上遇到的两大缺陷。 其一是文本指令的局限性，纯文字指令难以准确描述人物特征、抽象纹理等细节。 其二是抽象概念的缺失，现有模型仅能处理有形实体，如人物、对象，无法有效应对发型、妆容、纹理、光影效果或风格等抽象概念，极大程度上限制了创作空间。 DreamOmni2则可解决有关难题，成功执行两大全新任务，包括根据用家输入的抽象或实体概念，执行多模态指令编辑和生成，真正成为「全能创作工具」。 全面性能测试：超越现有开源与闭源模型在多模态指令生成任务中，DreamOmni2能基于图片中的实体进行图像生成，例如提取图一的画作挂在卧室墙上，将图二盘子的材质套用在图三的水杯，并将水杯放置在桌子上，以生成符合用家要求的新图像（图示一）。 在多模态指令编辑任务中，DreamOmni2的表现亦非常优秀，例如将图中帽子的颜色变成与另一张图毛衣相同的配色（图示二）。