新聞及香港科大故事

香港科技大學（科大）工學院的研究團隊開發了一種熱電氣溶膠（TEA）生物印表機，顯著提高了壓電生物薄膜的生產效率。與現有方法比較，這項創新技術能將製膜速度提升數以百倍。憑著這項突破，生物相容和生物可降解電子設備中的壓電部件將得以實現工業規模生產。特別在醫療領域，此技術展現出極大的應用潛力，例如製作術後臨時心臟起搏器中的超聲能量收集器。 壓電生物材料是能夠在機械應變作用下，產生電能的生物材料。有見於其卓越的電機特性、生物相容性和生物可吸收性，科學界越來越關注它在生物醫學微機電系統、可穿戴和植入式電子設備以及生物組織治療中的應用潛力。 然而，這種材料亦有其難以克服的缺點，就是巨集觀壓電性較弱、機械性能差，以及難以大規模生產，這些因素一直窒礙其應用發展。近期，由科大機械及航空航天工程學系的楊徵保教授領導的團隊，聯同香港城市大學（城大）和洛桑聯邦理工學院（École Polytechnique Fédérale de Lausanne）的共同研究項目，取得重大突破。團隊利用熱電複合場誘導的氣溶膠形成，成功開發了一台TEA生物印表機，實現了壓電生物薄膜的一步、高通量、卷對卷製造。 楊教授表示：「傳統的生物分子組裝方法通常需要較長的疇對準時間，一般可長達48小時。另一個問題是，現行技術無法同時實現高速和多功能製造，對列印尺寸、結構和功能的控制也顯得不足，往往導致製成品出現不必要的材料結構缺陷。」 楊教授進一步指出，傳統的製造方法過程複雜，而且成本高昂，令大規模生產不可行。為了突破這些限制，研究團隊採用了電場力操控氣溶膠，並藉助靜電斥力實現同質成核，以確保氣溶膠高通量地沉積到基材上。 在本實驗中，研究人員使用一塊配備九個噴嘴的列印面板，構建了一台三維卷對卷TEA印表機。當熱電耦合場達到足夠強度時，微墨水流便會被拉拽、霧化並氣溶膠化，沉積到卷對卷平台上，形成連續的薄膜或微圖案。楊教授解釋：「研究結果顯示，我們的TEA方法透過電動氣溶膠化和原位電極化，能夠實現每日約8,600毫米的列印長度，速度比現有技術快兩個數量級，換句話說，即是數以百倍計的提速。」

隨著AI技術發展一日千里，香港科技大學（科大）繼早前首創亞洲第一批「AI講師」後，再創新猷「聘請」獲學生票選為「最受歡迎AI講師」的Fiona出任科大首位AI主播，肩負報導大學發展、科研成就及重大活動的重任。  這位「AI主播」已於校園電視上亮相，為師生提供一種新穎的方式來了解大學的最新資訊，其他講師亦已陸續加盟主播行列，務求為師生締造新鮮感，並體驗AI科技的威力。  此項計劃由科大環球事務及傳訊處牽頭推動，自AI講師面世以來，團隊便與科大（廣州）計算媒體與藝術學域講座教授及科大新興跨領域講座教授許彬及其學生展開合作，了解「AI講師」的技術及學生反饋，並探索「招攬」他們出任校園主播的可行性。 

香港科技大學（科大）今日公布，正式通過國家航天局遴選，獲委任領導「嫦娥八號」多功能月面作業機械人暨可移動充電站國際合作項目。科大將領軍海內外航天專家團隊，研製具靈巧操作及移動充電設備的多功能月面機械人，為國家探月任務作出貢獻。   嫦娥八號為國家探月工程四期的重要項目，計劃於2028年前後實施發射，是由中國牽頭建立國際月球科研站的先行計劃之一，為未來在月球極區長期維持無人月球站建立基礎。作為是次「嫦娥八號」國際合作操作機械人項目的主導機構，科大將聯同多個香港本地、內地以及國際單位，包括香港理工大學（理大）、香港大學（港大）、香港中文大學（中大）、香港城市大學（城大）、上海航天技術研究院（航天八院）、大連理工大學、深圳大學以及南非國家航天局等，攜手實現從概念、研製、生產、測試到系統的前沿航天技術創新。項目已獲香港創新科技署資助，透過InnoHK研發平台成立「香港太空機械人與能源中心」負責此任務，進一步推進跨院校與地域間之合作。   科大校長葉玉如教授表示：「科大衷心感謝國家航天局的信任以及特區政府的支持，對於能牽頭參與國家探月工程感到極為鼓舞。航空航天工程學是科大重點發展領域之一，繼去年八月成功發射了香港高教界首顆高分辨光學衛星，科大專家團隊正研發的『高分辨率全球溫室氣體探測』項目，未來亦有望於中國空間站應用。我們對參與嫦娥八號國際合作項目亦引以為傲, 這個項目標誌著科大在航天深空探索領域踏上重要里程。我們將繼續發揮在航天領域的領先科研優勢，為國家航天事業作出貢獻。」   港方領軍的機械人總重量達100公斤，能在月球極端環境下進行科學探測，儀器佈置和安裝等任務，並將配備移動無線充電功能，為不同月面設備充電，以提升月球探測和協同作業能力，推動深空探測領域的技術發展，助力未來月面建設國際月球科研站拓展科學研究。  

不少人常會選擇逗留在自己熟悉的專業領域內發展，即使已經取得顯著成就，也未必敢於衝出舒適圈。然而，周圓圓教授拒絕固步自封，為拓展他的研究領域永不停息，更不畏困難，積極推動新型太陽能技術走向商業化。 周教授透過「30周年策略招聘計劃」加入科大，現為化學及生物工程學系副教授。他在親自設計的新實驗室中，帶領研究團隊研發嶄新材料，期望可逐步將可持續能源融入日常生活。 在周教授實驗室內，研究人員正忙於操作不同精密儀器，全神貫注地研究和仔細分析一種名為「鈣鈦礦」的先進材料。這種新材料可用於製造如紙般輕薄的薄膜太陽能電池，其生產成本較現時市場常用的矽電池更低，更有潛質展現更高的能量轉換效率。 周教授解釋：「製造矽電池的實際工藝成本依然高昂且工序繁複，而鈣鈦礦太陽能電池作為一種薄膜光伏技術，能通過極低成本的溶液塗層技術製備，擁有龐大商機。」   現時可利用低成本的溶液塗層技術，製成鈣鈦礦太陽能電池。圖為鈣鈦礦薄膜的溶液形成過程。  

由香港科技大學（科大）物理系和化學系副教授潘鼎帶領的研究團隊，近日在深地條件下C-H-O-N流體中有機分子的非生物合成與穩定性研究中，取得重大進展。研究為生命起源的潛在場所提供了新啟示，成果已發表在Journal of the American Chemical Society《美國化學學會期刊》*上。 生命起源是一個引人入勝的科學問題，多年來吸引了眾多研究者的關注，並提出了許多理論，但至今仍未能完全解開這項謎題。早在大約150年前由達爾文首先提出生命可能誕生在一個「溫暖的小池塘」中，到後來被Alexander Oparin和J. B. S. Haldane發展為著名的「原始湯」理論，即無機小分子在原始地球通過反應生成第一批有機化合物，通過進一步的轉化，「湯」中出現了更複雜的有機聚合物，最終產生了生命。1953年，著名的Miller-Urey實驗通過類比原始地球大氣層受閃電的影響對這假設進行了驗證。在眾多學說中，深海熱液噴口的極端壓力及溫度普遍被認為有符合生命起源的條件，但一些研究亦指出，噴口中的高溫可能會迅速降解水溶液中的關鍵生物分子，影響生命的誕生。 潘教授帶領的團隊探索了原始地球更深的內部作為生命起源場所的可能性，應用高效的第一性原理分子動力學模擬（>2.5ns）和自由能計算相結合的計算方法，研究了由NH₃、H₂O、H₂和CO小分子組成的C-H-O-N流體在地球上地幔條件下（10-13 GPa，1000-1400 K）的化學反應。研究結果發現，在無催化劑的情況下，上百種有機物在超臨界流體中生成，當中CN化合物的組成受到壓力和溫度的顯著影響。通過自由能計算，發現壓力和溫度在10 GPa 和1400 K的條件下最有利於C-N化學鍵的形成和保持穩定，即與生命直接相關的分子如甘氨酸、核糖、尿素、類尿嘧啶等都可以在C-H-O-N流體中產生。 潘教授解釋：「與之前認為大型有機分子可能在極端條件下的水溶液中迅速降解的觀點相反，我們的研究表明這些合成的生物分子在C-H-O-N流體中可以穩定存在，這有可能為生命起源的早期階段提供了必要的初始成份。」

香港科技大學工商管理學院（科大商學院）繼去年研究團隊成功開發本港首個專為金融界而設、應用於生成式人工智能（生成式AI）的開源大語言模型InvestLM後，現正式推出「InvestLM生成式人工智能平台」，並將分階段開放予金融服務業免費登記使用。該平台可處理金融相關生成式AI任務，回應質素更可媲美知名通用聊天機器人，可望有效提高業界人士的工作效率。 InvestLM旨在支援本地金融服務業，尤其中小型金融企業把握生成式AI技術的潛力。由即日起，首階段限量提供予本地金融機構免費網上登記使用，網址為：investlm.hkust.edu.hk。1 2經過優化後，InvestLM能分析及生成金融文本，有助撮寫財經新聞及報告、分析市場情緒及主題、從財務表格獲取資料、分析ESG（環境、社會與治理）相關資訊等任務，提高金融及投資專業人士的工作效率 3。  科大副校長（行政）兼資訊系統講座教授譚嘉因教授表示：「人工智能的應用具備潛力提升金融服務業的效率。科大致力推動生成式AI於金融服務業的應用，不少中小型金融企業礙於資源所限，無法推展相關服務開發，InvestLM生成式人工智能平台將有助這類金融企業應用生成式AI技術。此平台為金融服務業提供教育及試驗場所，以探索及評估各類生成式AI解決方案的潛力。」 譚嘉因教授續指：「InvestLM平台的運作由科大的算力資源所支持，並通過開放平台供業界使用，響應政府鼓勵業界充分利用市場上現有的人工智能模型及基礎建設。透過分階段提供這項免費服務，我們期望能確保良好系統表現，提升用戶體驗。我們將密切留意用戶需求，以決定如何進一步開放這項服務予業界使用。」

多序列膝關節磁力共振成像（MRI）是一種非侵入式的先進診斷技術，可準確評估膝關節病理。然而，解讀MRI影像的過程非常複雜，須依靠放射科醫生的高度專業知識，而且十分耗時。香港科技大學（科大）工學院研發了一款新型深度學習模型，以協助醫生辨別12種常見的膝關節異常狀況，同時提升診斷的準確度和效率。 本研究由香港科大的智慧醫療實驗室（Smart Lab）與廣州南方醫科大學第三附屬醫院合作開展，其成果最近發表於《自然通訊》期刊，論文標題為「Learning Co-Plane Attention Across MRI Sequences for Diagnosing Twelve Types of Knee Abnormalities」。 膝關節是一個複雜的鉸鏈型關節，也是人體主要的承重關節之一，支撐我們在日常生活中的各種動作。老化或受傷均可引致各種異常狀況，造成痛楚及損害膝關節功能，影響患者的生活質素。要為每位病人制訂適切的治療方案，就必須先有精準的診斷。 由於膝關節的解剖結構相當複雜，因此採用不同的成像掃描方法，往往會得出不同的參數。此外，若醫生經驗不足，亦未必能夠辨識出一些細微病變，可能會影響對病理的判斷。 針對這些問題，研究團隊與五家醫院合作，收集到1,748名患者的資料，以此建立了一套數據集，當中包括T1加權（T1W）、T2加權（T2W）和質子密度加權（PDW）MRI序列的矢狀面、冠狀面和軸面成像。 在膝關節病理的診斷中，醫學界普遍以關節鏡檢查結果為黃金標準。因此，研究人員將上述數據集與關節鏡檢查所得的資料結合，再進行全面分析，以確定這些病人所患的12類常見膝關節異常狀況。 另一方面，團隊開發了一款深度學習模型，利用人工智能對這些病例進行自動分類。該模型結合了跨MRI序列的共平面注意力機制（CoPAS），並將空間特徵與MRI序列進行解耦，有效捕捉了不同掃描參數下的體素值強度變化，並成功識別出平面與該12類型異常狀況之間的複雜相關性，從而提高分類工作的準確度。