新闻及香港科大故事

香港科技大学商学院（科大商学院）公布一项名为《金融科技业界专才发展、能力与人力资源》的研究结果。鉴于香港对金融科技专才的需求日益殷切，这项深入的研究就业界现况和人才发展总结出十项观察和提出十项建议，以及罗列出十三项业界最重视的能力。该研究是香港首次同类项目，获包括银行、保险公司、监管机构和虚拟银行等超过八十间金融科技机构支持和参与，以加深了解香港的金融科技专才供应。研究结果已归纳成报告，详细列出主要观察所得和提出多项建议，内容包括有关培训与教育、专业资格、规管框架与政策等。研究目标对象为香港金融科技界的专业人士，分三个阶段于2019年8月至2020年3月间进行，包括 (1) 访问行政人员、(2) 业界问卷调查，以及(3) 验证环节。研究亦罗列出十三项业界认为最关键的核心能力，有助本地金融科技人才成功发展。 与人才相关能力与商业与客户相关能力与工作方式相关能力- 创业精神- 学习敏锐度- 应对不确定情况- 创新导向- 文化创建

香港科技大学（科大）研究团队近日在新材料领域取得重要进展，结合二维材料与拓扑材料的特性，首次发现一种具有「第二类狄拉克锥」的新材料的普适产生机制并在声学实验中实现了该材料的许多奇特性质，改变了过往只能在苛刻条件下零星获得该材料的窘况。该机制可指导制备对外界信号例如电场、磁场、光波、声波等具有特定方向性响应的新二维材料，将为现代电子通讯、量子计算、光学通信、甚至隔音减噪材料等方面带来重大应用价值。 香港科技大学科研团队用超冷原子解密三维拓扑材料

正当全球政府计划逐步解除因新型冠状病毒肺炎而实施、导致日常生活受到影响的「封城」或社交距离限制措施，一个由香港科技大学（科大）计算器科学家共同领导的跨学科研究最近发现，全民戴口罩是具迫切性的非药物解决方案，可以在没有任何有效疫苗或治疗方法面世之前遏止新冠肺炎传播或防止第二波疫情爆发。 由计算器科学系吴德恺教授共同领导的团队，建立了两个理论性数学模型预测随时间推移，人民戴口罩对疫情的影响。第一个模型运用了标准流行病学SEIR模型1推算全民戴口罩的效果。第二个模型是由人工智能启发的行为者基础模型，清晰地模拟因为在物理空间中移动的个体之间的接触而发生的感染。研究团队亦考虑到口罩的有效过滤程度不同，发现民众即使只使用廉价、十分容易购置的非医用口罩，或仅具有70％有效过滤程的自制口罩，模拟结果仍然相同。此结果是一个重要因素，因为一些个别地区必须为医护人员保留医用口罩。 团队的模拟结果显示如果在首轮疫情爆发大约50天后及解除「封城」措施之前，绝大多数（80-90％）的公众都佩戴口罩，新的新冠肺炎感染数字可显著下降，避免第二波爆发。不过，如果没有全民戴口罩（例如，只有一半的人口使用口罩）或者如果迟了推行全民戴口罩（例如推迟到首轮疫情爆发后第75天才进行），要显著减缓的病毒传播就变得不可能。

香港科技大学(科大)的研究人员首次破解「海洋穿山甲」鳞足螺的基因组。鳞足螺是一种稀有的海螺，牠们生活于被科学家认为是「生命之源」的极端栖息地 — 深海海底热泉(hydrothermal vent)。破解这种独特生物的基因密码，不但有助揭示生命在数十亿万年前是如何诞生及演变，亦为进一步探索这些古老生物的潜力提供基础。 海底热泉 (圖片來源﹕JAMSTEC) 深海海底热泉无论是温度、水压以至酸性皆非常高，且含氧量低，与史前的极端环境相似，但依然孕育了多样生命，当中不少于生物医学或其他范畴均具有极大潜力。作为其中一种可以适应如此极端环境的生物，鳞足螺比起其他海底热泉中的住客，更受海洋科学家的关注。

科大工程学教授研发的无人车在内地爆发2019冠状病毒病期间为社区服务。

欢迎你观看视频，了解我们采取的全方位抗疫措施 。

香港科技大学（科大）的科研人员研发了一套崭新的「智能发烧侦测系统」（SFSS），让边境口岸的检疫人员能更易于识别有发烧征状的旅客。这套系统现被应用到多个边境口岸、政府大楼和大学，以对抗新型冠状肺炎病毒（Covid-19）。 自2003年沙士（严重急性呼吸系统综合症）爆发后，热成(thermal)图像探测器获广泛使用到不同关口，以筛查有发烧征状的入境旅客。发烧是感染沙士、新冠肺炎及其他传染病的重要病征。不过，检疫人员为了追踪这些身体抱恙人士，往往需于弹指之间同时监看热成图像以及彩色影像(即闭路电视)两个屏幕。 如今，一支由科大工业工程及决策分析学系苏孝宇教授领导的跨领域研究团队，利用人工智能、实时追踪以及大数据分析，设计了一个不仅能更准确地检测脸部被遮挡的疑似发烧者，同时亦能将热成图像和彩色影像融合于同一屏幕的系统。在屏幕上，有发烧征状的不适人士会被标记于红框内，系统亦会发出提示声响，以协助检疫人员作实时辨认，大大提升行动效率，守护公众健康。 有别于一般运用红外线镜头的发烧监测系统，这个以人工智能与深度学习为基础的系统于人脸及热感侦测方面都更为准确。此系统旨在于人海中追踪及侦测疑似发烧人士，透过深度学习和人体测量学，系统能进行「视觉还原」*，即使被检测人士正佩戴口罩并遭对象遮挡部分身体，仍能准确检测。除此之外，由于系统依赖计算机运算而非靠肉眼判断热成图像色差，并且会把距离及包括背景中热力来源等环境因素的影响计算在内，检测结果亦因而更为准确。另外，由于追踪功能聚焦于脸部，检测结果亦较难受个人身上高温对象而影响，除非有关对象直接遮盖该人士的脸部。     此系统建立于大数据分析的跨平台数据库上，让不同地区的装置能够组合成一个更大的网络，从而可更容易追踪到疑似发烧人士，但系统不会保留任何个人资料。透过大数据、深度学习和人类科学，这套系统亦具自我学习功能，能随时间变得更为智能及准确。 研究团队成员来自机械学习、生物工程及平行网络等专业界别，当中包括来自科大电子及计算器工程学系的系主任施毅明教授与高级讲师王启新教授，以及计算器科学及工程学系助理教授陈启峰。

科大研究团队与全球伙伴携手努力共同对抗COVID-19疫情