新闻及香港科大故事

制冷技术在现代社会不可或缺，但传统蒸汽压缩制冷系统不仅高耗能，所使用的制冷剂更会加剧温室效应和破坏臭氧层。香港科技大学（科大）团队成功研发出全球首台零衰减「弹卡」制冷装置，运用抗疲劳固态制冷剂，实现持久且环保的制冷技术，即使循环运行超过100万次，仍能保持稳定性能。新技术将带来高效的环保降温技术，为全球实现可持续发展作出贡献。「弹卡」制冷是一种利用形状记忆合金应力诱发可逆相变效应的技术，有望取代传统制冷剂成为绿色新方案，应用前景广阔；然而受制于制冷性能衰减和长期可靠性不足两大缺点，一直未获广泛使用。现有「弹卡」制冷装置大多采用商业镍钛形状记忆合金（NiTi）作为制冷剂，但这种材料在长期相变循环过程中容易产生功能疲劳，长期持续使用下，制冷效果会愈来愈差。为突破这一瓶颈，由科大机械及航空航天工程学系讲座教授孙庆平教授带领的研究团队开发出一种抗疲劳形状记忆合金，并将其集成于新颖的固态制冷剂结构中。团队透过结合此新型形状记忆合金材料、器件设计与系统工程，成功解决了材料功能疲劳和结构可靠性两大关键问题，并开发出崭新的零衰减「弹卡」制冷装置，能在长期运行过程中保持稳定制冷能力。该装置具有三大特点：（一）抗疲劳形状记忆合金：团队开发了一种四元TiNiCuCo形状记忆合金，相比传统NiTi合金，这种材料在反复相变循环过程中能够保持稳定的弹卡性能，实现稳定的潜热释放和吸收，提供了可靠的固态制冷剂，让装置可长期制冷。（二）高可靠性的固态制冷剂结构：团队设计并构建了双层翅片式的制冷剂结构，提升换热效率之余，亦增强结构的抗屈曲能力，实现超过1,000万次循环压缩载荷下的超长疲劳寿命。（三）结构紧凑和耐用的器件架构：团队进一步优化器件整体结构，以降低热损失并提升系统稳定性。新设计可减少约50%的零部件数量，并将无效结构比例由15%降低至5%。

香港科技大学（科大）研究团队成功开发一套新型建模与优化框架，能够在新材料「模块化自主实验」（Modularized Autonomous Experimentation，简称MAE）平台的设计时间，预先厘定最优化的设备种类与数量配置，从而在平台正式建设前节省时间与成本。研究团队借鉴「混合自动机」的建模方法，将实验流程系统性地转化为可计算的设备配置方案。研究成果已于《IEEE自动化科学与工程学报》上发表，论文题为「Toward a High-Throughput Automated Materials Experimentation Platform: Hybrid-Automata-Inspired Modeling and Equipment Configuration Optimization」，由科大机械及航空航天工程学系教授杨晶磊教授与机械及航空航天工程学系助理教授段墨龙教授担任共同通讯作者，机械及航空航天工程学系哲学博士生马国雄及哲学硕士毕业生崔昊哲为共同第一作者。高通量模块化自主实验正在重塑材料研究的面貌。通过把样品制备、合成、表征与筛选等程序纳入自动化死循环，不仅显著加快了新材料的发现进程，也同时提高了实验的可重复性，并可产出「原构数据」（born structured dataset）， 即在实验运行时间，以完整结构化形式记录的参数化数据。本研究的核心贡献是建立一套适用于设计时间的设备配置方法。研究并非着眼于「变革材料研究」之类的宏大改变，而是针对一个更精准、更具体的问题：在采购硬件之前，为平台规划人员提供一套系统化、可重复使用的设备数量决策依据；其价值在于让平台规划工作建立于科学化决策框架之上，使早期设计选择有据可循，而非单凭个人经验或直觉判断。

香港科技大学（科大）提出「推理赋能任务导向通讯」框架（Reasoning-Empowered Task-Oriented Communication，TOC），赋予AI智能体（AI agents）自主的逻辑推理能力，使其能自主判断应分享哪些信息、何时需要通讯，以及为何需要进行信息交流。该框架可望为未来7G无线网络的AI智能体协作及群体智能发展奠定基础。是次研究由科大电子及计算器工程学系讲座教授兼新明工程学教授李德富教授带领，研究团队包括科大电子及计算器工程学系博士生谢松杰和黎鸿儒、电子及计算器工程学系研究助理教授王子鑫博士、电子及计算器工程学系及综合系统与设计学部副教授宋胜辉教授，以及电子及计算器工程学系教授张军教授。研究成果已于国际学术期刊《npj Wireless Technology》上发表，题为「Towards Reasoning-Empowered Task-Oriented Communication for Agent Networks」。研究提出未来数十年通讯与推理技术融合的发展路线图，为6G以后无线网络的演进提供重要方向。研究亦勾画未来7G无线系统的发展愿景，探讨有关系统如何支持大量能够进行推理、彼此协作及共同决策的自主AI智能体。现今的通讯系统主要以准确、可靠地传送数据为设计目标。然而，未来的智慧城市、自动驾驶汽车、医疗平台和工业系统，可能涉及数以百万计的AI智能体同时交换信息，单纯扩展现有通讯架构未必足够。若缺乏创新的通讯机制，通讯过程本身可能会成为瓶颈，限制未来AI生态系统发展群体智能的能力。

香港科技大学（科大）成功研发崭新「单管式」病毒及基因检测平台TEMPO，有望把原本需要在实验室进行的高灵敏度核酸检测，简化为可于家中完成的单步骤检测。用户只需透过单一反应管操作，最快30分钟即可获取媲美专业实验室水平的检测结果。这项突破有望填补现时快速测试与实验室核酸检测之间的技术鸿沟，为未来传染病监测及基因筛查提供更便捷的解决方案。TEMPO全名为「热力学编码分子编程一体化诊断平台」（Thermodynamically Encoded Molecular Programming for One-Pot Diagnostics），由科大化学及生物工程学系教授邢怡铭教授带领的研究团队联合香港中文大学（中大）的学者共同研发。该技术目前已应用于季节性流行性感冒、新型冠状病毒、艾滋病等多种病毒检测，亦为遗传疾病快速筛查开辟新方向。相关研究成果已于国际知名学术期刊《自然通讯》（Nature Communications）上发表，论文题为「Thermodynamically programmed one-pot CRISPR platform for point-of-care SNP genotyping」。领导这项研究并担任论文通讯作者的邢怡铭教授表示：「传统实验室核酸检测须经过多重工序，包括扩增微量的病原体遗传物质、辨识样本，并生成可读取的检测讯号。而『单管式』检测，就是将所有步骤整合于单一反应管内。当中最大的挑战，在于如何确保各个步骤能够按照既定次序准确完成。」

香港早前录得破纪录高温，极端天气再次唤起社会对全球暖化及减排措施的关注。香港科技大学（科大）研究团队带领的一项大型国际研究发现，城市之间若能发挥「协同减排」，其可持续发展表现将有望提升逾一成。研究透过分析全球4,116个城市、历时11年的数据，为全球各地落实联合国可持续发展目标（Sustainable Development Goals，简称SDGs）提供崭新实践路径。是次研究由科大土木及环境工程学系教授陆萌茜教授带领，研究成果已于国际学术期刊《自然通讯》发表，论文题为「与全球排放挑战相关的城际永续影响的时空变化」。更宏观的减排路径陆教授表示，传统环境治理模式普遍将城市减排视为个别地区的议题去处理，而城市往往透过产业升级、能源转型及推行环保政策等措施来减排，但相关效益每每仅局限于当地。然而，大气污染物和温室气体的影响是跨越疆界的，惟科学界一直未能有系统地掌握这类跨地域城际互动在时间与空间上的差异，因而限制了全球各地政府在协调和制定相应减排策略的灵活性。为填补相关研究空白，研究团队采用创新的空间计量经济模型，评估2010年至2020年间全球103个国家共4,116个城市在排放相关SDG指标上的互动关系，当中包括香港，巴黎和洛杉矶等城市。这些城市的经济总值合共占全球国内生产总值（GDP）逾九成。研究所采用的污染物和温室气体数据，主要来自多个卫星观测平台的数据。城际间相互依存

废水处理是全球环境保护与公共卫生的重要课题。香港科技大学（科大）近日取得重大科研突破，成功揭示一种崭新的「无氧化剂电催化」机制，为水净化技术开辟全新方向。与现行技术相比，该技术能精准识别并锁定目标污染物，将能源更有效地集中于关键处理环节，在显著提升净化效率的同时，经济效益提高近一倍。此项研究由科大土木及环境工程学系讲座教授劳敏慈教授领导的团队完成，成果已发表于《自然通讯》，论文标题为「Iodine-mediated proton-coupled electron transfer enables selective polymerization of organic pollutants in an oxidant-free electrocatalytic system」。研究团队成员包括科大副研究员郑泽校博士、博士生张金、博士后研究员Jonathan J. CALVILLO SOLÍS博士、哲学硕士生张佑铭，以及科大校友Ashutosh KUMAR教授、关小红教授和董浩然教授。在现行的废水处理技术中，业界普遍采用「高级氧化程序」降解水中的有机污染物。然而，传统技术通常需要消耗大量氧化剂，对「总有机碳」（Total Organic Carbon，简称TOC）的去除效果相当有限，并容易产生具毒性的中间副产物。解决这些问题的主要方法是采用聚合反应，将可溶性酚类污染物转化为不溶于水且具疏水性的聚合物，以便后续分离和回收。然而，此过程存在动力学失衡的问题，加上缺乏对污染物的选择性，相关技术的处理效率和整体成效一直未如理想。

香港科技大学（科大）研究团队成功开发一套创新的人工智能（AI） 「通用—专科协作」框架（Generalist–Specialist Collaboration, GSCo），实现了医学通用基础模型和专科模型在疾病诊断任务的高效协作。研究结果显示，GSCo在医学影像诊断、视觉问答及放射报告生成等多项任务的表现，均比单独运作的通用或专科模型显著优胜；同时，该框架能大幅降低训练医学模型，以适配全新临床任务的研发成本。此项成果有望加速医学基础模型应用在日常临床工作。研究成果已于国际顶尖期刊《自然—生物医学工程》发表，题为「透过通用—专才协作实现医学人工智能的通用化」。是次研究由科大计算机科学及工程学系、化学及生物工程学系助理教授、医工交叉联合创新中心主任陈浩教授带领的团队，联同哈佛医学院、威尔康奈尔医学院、香港中文大学、香港大学，以及中山大学等合作开展。医疗AI模型一直面对两难局面。通用基础模型虽然基于庞大的医学语料库进行训练，具备灵活应对多元任务和精准识别影像模态的能力，但在单一疾病诊断上往往不够精准。反观专科模型，虽然提供精准的临床推理和专业诊断，但因过于专门，一旦面对新任务或部署于新医院时，便需重新训练。专科模型亦无法与临床医生一同以自然语言进行推理，面对新的医学影像诊断任务时，其准确率会大幅下降。此外，为每项新任务重复训练通用基础模型，运算成本不仅高昂，更受限于病人私隐合规限制，数据不能离开医院。因此，单一使用通用或专科模型，皆难以满足实际临床工作需求。为应对上述挑战，是次跨院校国际团队开发出全新协作式 AI 框架「GSCo」。该框架建基于陈浩教授团队开发的开源医学通用模型 MedDr，利用多元医学影像模态和逾200万个样本对MedDr进行深度训练，并同步构建了一组轻量级专科模型，仅需单张消费级显示适配器（GPU）即可完成训练。在双向协作下，专科模型在AI推论过程中负责比对相似的过往病例，并提供诊断预测；MedDr则担当「核心决策者」的角色，负责将专科模型提供的证据与自身医学知识整合，从而作出最终诊断结果。

近年来，抗癌前药凭借提升治疗精准度及降低副作用的潜力，备受医学界及科研界关注。此类药物经特殊设计，能在体内特定部位或生理条件下被激活后，才会释放药效，从而减少传统化疗药物在攻击癌细胞时对健康组织造成的损害，有助克服化疗常见的「错杀良民」问题。然而，要在复杂的生物环境中实现药物的精准激活并不容易，现有相关化学技术仍面对不少挑战和局限。由香港科技大学（科大）化学系助理教授黄敬皓教授率领的研究团队，成功开发出一种可在生物环境下进行的新型金催化化学反应。研究团队发现一种名为乙炔基联苯丁酰胺（EBB）的独特化学结构，具备应用于广泛生物领域的潜力，包括用于开发抗癌前药。这项成果亦为近年备受关注的生物正交化学研究增添新工具。生物正交化学旨在让化学反应在生物系统中进行，同时不干扰正常生物过程。虽然全球科学家已开发出大量金属催化反应，但能够在生物条件下顺利进行的反应仍然不多。近年来，生物正交化学已成为推动化学生物学、生物医学和生物技术等相关学科的发展与技术创新的重要工具。因此，开发更多种类的生物正交反应，对促进相关领域的持续创新至关重要。在众多生物正交反应中，能够裂解酰胺键的反应尤其备受关注。酰胺键是自然界中最常见且最稳定的化学键之一。尽管其应用价值巨大，现有的生物正交酰胺键裂解技术仍面对反应速度慢、适用范围有限等挑战。为突破这些限制，黄教授的团队发现，在生物相关条件下，EBB基团于接触金催化剂时能快速裂解酰胺键。值得注意的是，EBB反应速度远较目前文献报告的同类反应快。研究团队利用EBB开发出一款抗癌前药，能在实验室条件下于侵袭性乳癌细胞中选择性激活，展现其应用于精准癌症治疗的潜力。相关研究成果近日已于国际权威学术期刊《Journal of the American Chemical Society》发表，题为《Bioorthogonal Gold-Catalyzed Hydrothiolation Leading to Amide Bond Cleavage of Ethynylated Biarylbutanamide Precursors》。