新聞及香港科大故事

製冷技術在現代社會不可或缺，但傳統蒸汽壓縮製冷系統不僅高耗能，所使用的製冷劑更會加劇溫室效應和破壞臭氧層。香港科技大學（科大）團隊成功研發出全球首台零衰減「彈卡」製冷裝置，運用抗疲勞固態製冷劑，實現持久且環保的製冷技術，即使循環運行超過100萬次，仍能保持穩定性能。新技術將帶來高效的環保降溫技術，為全球實現可持續發展作出貢獻。「彈卡」製冷是一種利用形狀記憶合金應力誘發可逆相變效應的技術，有望取代傳統製冷劑成為綠色新方案，應用前景廣闊；然而受制於製冷性能衰減和長期可靠性不足兩大缺點，一直未獲廣泛使用。現有「彈卡」製冷裝置大多採用商業鎳鈦形狀記憶合金（NiTi）作為製冷劑，但這種材料在長期相變循環過程中容易產生功能疲勞，長期持續使用下，製冷效果會愈來愈差。為突破這一瓶頸，由科大機械及航空航天工程學系講座教授孫慶平教授帶領的研究團隊開發出一種抗疲勞形狀記憶合金，並將其集成於新穎的固態製冷劑結構中。團隊透過結合此新型形狀記憶合金材料、器件設計與系統工程，成功解決了材料功能疲勞和結構可靠性兩大關鍵問題，並開發出嶄新的零衰減「彈卡」製冷裝置，能在長期運行過程中保持穩定製冷能力。該裝置具有三大特點：（一）抗疲勞形狀記憶合金：團隊開發了一種四元TiNiCuCo形狀記憶合金，相比傳統NiTi合金，這種材料在反覆相變循環過程中能夠保持穩定的彈卡性能，實現穩定的潛熱釋放和吸收，提供了可靠的固態製冷劑，讓裝置可長期製冷。（二）高可靠性的固態製冷劑結構：團隊設計並構建了雙層翅片式的製冷劑結構，提升換熱效率之餘，亦增強結構的抗屈曲能力，實現超過1,000萬次循環壓縮載荷下的超長疲勞壽命。（三）結構緊湊和耐用的器件架構：團隊進一步優化器件整體結構，以降低熱損失並提升系統穩定性。新設計可減少約50%的零部件數量，並將無效結構比例由15%降低至5%。

香港科技大學（科大）研究團隊成功開發一套新型建模與優化框架，能夠在新材料「模塊化自主實驗」（Modularized Autonomous Experimentation，簡稱MAE）平台的設計階段，預先釐定最優化的設備種類與數量配置，從而在平台正式建設前節省時間與成本。研究團隊借鑒「混合自動機」的建模方法，將實驗流程系統性地轉化為可計算的設備配置方案。研究成果已於《IEEE自動化科學與工程學報》上發表，論文題為「Toward a High-Throughput Automated Materials Experimentation Platform: Hybrid-Automata-Inspired Modeling and Equipment Configuration Optimization」，由科大機械及航空航天工程學系教授楊晶磊教授與機械及航空航天工程學系助理教授段墨龍教授擔任共同通訊作者，機械及航空航天工程學系哲學博士生馬國雄及哲學碩士畢業生崔昊哲為共同第一作者。高通量模塊化自主實驗正在重塑材料研究的面貌。通過把樣品製備、合成、表徵與篩選等程序納入自動化閉環，不僅顯著加快了新材料的發現進程，也同時提高了實驗的可重複性，並可產出「原構數據」（born structured dataset）， 即在實驗執行階段，以完整結構化形式記錄的參數化數據。本研究的核心貢獻是建立一套適用於設計階段的設備配置方法。研究並非著眼於「變革材料研究」之類的宏大改變，而是針對一個更精準、更具體的問題：在採購硬件之前，為平台規劃人員提供一套系統化、可重複使用的設備數量決策依據；其價值在於讓平台規劃工作建立於科學化決策框架之上，使早期設計選擇有據可循，而非單憑個人經驗或直覺判斷。

香港科技大學（科大）提出「推理賦能任務導向通訊」框架（Reasoning-Empowered Task-Oriented Communication，TOC），賦予AI智能體（AI agents）自主的邏輯推理能力，使其能自主判斷應分享哪些資訊、何時需要通訊，以及為何需要進行資訊交流。該框架可望為未來7G無線網絡的AI智能體協作及群體智能發展奠定基礎。是次研究由科大電子及計算機工程學系講座教授兼新明工程學教授李德富教授帶領，研究團隊包括科大電子及計算機工程學系博士生謝松傑和黎鴻儒、電子及計算機工程學系研究助理教授王子鑫博士、電子及計算機工程學系及綜合系統與設計學部副教授宋勝輝教授，以及電子及計算機工程學系教授張軍教授。研究成果已於國際學術期刊《npj Wireless Technology》上發表，題為「Towards Reasoning-Empowered Task-Oriented Communication for Agent Networks」。研究提出未來數十年通訊與推理技術融合的發展路線圖，為6G以後無線網絡的演進提供重要方向。研究亦勾畫未來7G無線系統的發展願景，探討有關系統如何支援大量能夠進行推理、彼此協作及共同決策的自主AI智能體。現今的通訊系統主要以準確、可靠地傳送數據為設計目標。然而，未來的智慧城市、自動駕駛汽車、醫療平台和工業系統，可能涉及數以百萬計的AI智能體同時交換資訊，單純擴展現有通訊架構未必足夠。若缺乏創新的通訊機制，通訊過程本身可能會成為瓶頸，限制未來AI生態系統發展群體智能的能力。

香港科技大學（科大）成功研發嶄新「單管式」病毒及基因檢測平台TEMPO，有望把原本需要在實驗室進行的高靈敏度核酸檢測，簡化為可於家中完成的單步驟檢測。用戶只需透過單一反應管操作，最快30分鐘即可獲取媲美專業實驗室水平的檢測結果。這項突破有望填補現時快速測試與實驗室核酸檢測之間的技術鴻溝，為未來傳染病監測及基因篩查提供更便捷的解決方案。TEMPO全名為「熱力學編碼分子編程一體化診斷平台」（Thermodynamically Encoded Molecular Programming for One-Pot Diagnostics），由科大化學及生物工程學系教授邢怡銘教授帶領的研究團隊聯合香港中文大學（中大）的學者共同研發。該技術目前已應用於季節性流行性感冒、新型冠狀病毒、愛滋病等多種病毒檢測，亦為遺傳疾病快速篩查開闢新方向。相關研究成果已於國際知名學術期刊《自然通訊》（Nature Communications）上發表，論文題為「Thermodynamically programmed one-pot CRISPR platform for point-of-care SNP genotyping」。領導這項研究並擔任論文通訊作者的邢怡銘教授表示：「傳統實驗室核酸檢測須經過多重工序，包括擴增微量的病原體遺傳物質、辨識樣本，並生成可讀取的檢測訊號。而『單管式』檢測，就是將所有步驟整合於單一反應管內。當中最大的挑戰，在於如何確保各個步驟能夠按照既定次序準確完成。」

香港早前錄得破紀錄高溫，極端天氣再次喚起社會對全球暖化及減排措施的關注。香港科技大學（科大）研究團隊帶領的一項大型國際研究發現，城市之間若能發揮「協同減排」，其可持續發展表現將有望提升逾一成。研究透過分析全球4,116個城市、歷時11年的數據，為全球各地落實聯合國可持續發展目標（Sustainable Development Goals，簡稱SDGs）提供嶄新實踐路徑。是次研究由科大土木及環境工程學系教授陸萌茜教授帶領，研究成果已於國際學術期刊《自然通訊》發表，論文題為「與全球排放挑戰相關的城際永續影響的時空變化」。更宏觀的減排路徑陸教授表示，傳統環境治理模式普遍將城市減排視為個別地區的議題去處理，而城市往往透過產業升級、能源轉型及推行環保政策等措施來減排，但相關效益每每僅局限於當地。然而，大氣污染物和溫室氣體的影響是跨越疆界的，惟科學界一直未能有系統地掌握這類跨地域城際互動在時間與空間上的差異，因而限制了全球各地政府在協調和制定相應減排策略的靈活性。為填補相關研究空白，研究團隊採用創新的空間計量經濟模型，評估2010年至2020年間全球103個國家共4,116個城市在排放相關SDG指標上的互動關係，當中包括香港，巴黎和洛杉磯等城市。這些城市的經濟總值合共佔全球國內生產總值（GDP）逾九成。研究所採用的污染物和溫室氣體數據，主要來自多個衛星觀測平台的資料。城際間相互依存

廢水處理是全球環境保護與公共衛生的重要課題。香港科技大學（科大）近日取得重大科研突破，成功揭示一種嶄新的「無氧化劑電催化」機制，為水淨化技術開闢全新方向。與現行技術相比，該技術能精準識別並鎖定目標污染物，將能源更有效地集中於關鍵處理環節，在顯著提升淨化效率的同時，經濟效益提高近一倍。此項研究由科大土木及環境工程學系講座教授勞敏慈教授領導的團隊完成，成果已發表於《自然通訊》，論文標題為「Iodine-mediated proton-coupled electron transfer enables selective polymerization of organic pollutants in an oxidant-free electrocatalytic system」。 研究團隊成員包括科大副研究員鄭澤校博士、博士生張金、博士後研究員Jonathan J. CALVILLO SOLÍS博士、哲學碩士生張祐銘，以及科大校友Ashutosh KUMAR教授、關小紅教授和董浩然教授。在現行的廢水處理技術中，業界普遍採用「高級氧化程序」降解水中的有機污染物。然而，傳統技術通常需要消耗大量氧化劑，對「總有機碳」（Total Organic Carbon，簡稱TOC）的去除效果相當有限，並容易產生具毒性的中間副產物。解決這些問題的主要方法是採用聚合反應，將可溶性酚類污染物轉化為不溶於水且具疏水性的聚合物，以便後續分離和回收。然而，此過程存在動力學失衡的問題，加上缺乏對污染物的選擇性，相關技術的處理效率和整體成效一直未如理想。

香港科技大學（科大）研究團隊成功開發一套創新的人工智能（AI） 「通用—專科協作」框架（Generalist–Specialist Collaboration, GSCo），實現了醫學通用基礎模型和專科模型在疾病診斷任務的高效協作。研究結果顯示，GSCo在醫學影像診斷、視覺問答及放射報告生成等多項任務的表現，均比單獨運作的通用或專科模型顯著優勝；同時，該框架能大幅降低訓練醫學模型，以適配全新臨床任務的研發成本。此項成果有望加速醫學基礎模型應用在日常臨床工作。研究成果已於國際頂尖期刊《自然—生物醫學工程》發表，題為「透過通用—專才協作實現醫學人工智能的通用化」。是次研究由科大計算機科學及工程學系、化學及生物工程學系助理教授、醫工交叉聯合創新中心主任陳浩教授帶領的團隊，聯同哈佛醫學院、威爾康奈爾醫學院、香港中文大學、香港大學，以及中山大學等合作開展。醫療AI模型一直面對兩難局面。通用基礎模型雖然基於龐大的醫學語料庫進行訓練，具備靈活應對多元任務和精準識別影像模態的能力，但在單一疾病診斷上往往不夠精準。反觀專科模型，雖然提供精準的臨床推理和專業診斷，但因過於專門，一旦面對新任務或部署於新醫院時，便需重新訓練。專科模型亦無法與臨床醫生一同以自然語言進行推理，面對新的醫學影像診斷任務時，其準確率會大幅下降。此外，為每項新任務重複訓練通用基礎模型，運算成本不僅高昂，更受限於病人私隱合規限制，數據不能離開醫院。因此，單一使用通用或專科模型，皆難以滿足實際臨床工作需求。為應對上述挑戰，是次跨院校國際團隊開發出全新協作式 AI 框架「GSCo」。該框架建基於陳浩教授團隊開發的開源醫學通用模型 MedDr，利用多元醫學影像模態和逾200萬個樣本對MedDr進行深度訓練，並同步構建了一組輕量級專科模型，僅需單張消費級顯示卡（GPU）即可完成訓練。在雙向協作下，專科模型在AI推論過程中負責比對相似的過往病例，並提供診斷預測；MedDr則擔當「核心決策者」的角色，負責將專科模型提供的證據與自身醫學知識整合，從而作出最終診斷結果。

近年來，抗癌前藥憑藉提升治療精準度及降低副作用的潛力，備受醫學界及科研界關注。此類藥物經特殊設計，能在體內特定部位或生理條件下被激活後，才會釋放藥效，從而減少傳統化療藥物在攻擊癌細胞時對健康組織造成的損害，有助克服化療常見的「錯殺良民」問題。然而，要在複雜的生物環境中實現藥物的精準激活並不容易，現有相關化學技術仍面對不少挑戰和局限。由香港科技大學（科大）化學系助理教授黃敬皓教授率領的研究團隊，成功開發出一種可在生物環境下進行的新型金催化化學反應。研究團隊發現一種名為乙炔基聯苯丁酰胺（EBB）的獨特化學結構，具備應用於廣泛生物領域的潛力，包括用於開發抗癌前藥。這項成果亦為近年備受關注的生物正交化學研究增添新工具。生物正交化學旨在讓化學反應在生物系統中進行，同時不干擾正常生物過程。雖然全球科學家已開發出大量金屬催化反應，但能夠在生物條件下順利進行的反應仍然不多。近年來，生物正交化學已成為推動化學生物學、生物醫學和生物技術等相關學科的發展與技術創新的重要工具。因此，開發更多種類的生物正交反應，對促進相關領域的持續創新至關重要。在眾多生物正交反應中，能夠裂解酰胺鍵的反應尤其備受關注。酰胺鍵是自然界中最常見且最穩定的化學鍵之一。儘管其應用價值巨大，現有的生物正交酰胺鍵裂解技術仍面對反應速度慢、適用範圍有限等挑戰。為突破這些限制，黃教授的團隊發現，在生物相關條件下，EBB基團於接觸金催化劑時能快速裂解酰胺鍵。值得注意的是，EBB反應速度遠較目前文獻報告的同類反應快。研究團隊利用EBB開發出一款抗癌前藥，能在實驗室條件下於侵襲性乳癌細胞中選擇性激活，展現其應用於精準癌症治療的潛力。相關研究成果近日已於國際權威學術期刊《Journal of the American Chemical Society》發表， 名為《Bioorthogonal Gold-Catalyzed Hydrothiolation Leading to Amide Bond Cleavage of Ethynylated Biarylbutanamide Precursors》。