新闻及香港科大故事

香港科技大学（科大）艺术与机器创造力学部署理主任兼教授傅红波教授获选为2026年国际计算机学会计算机图形学院（ACM SIGGRAPH Academy）成员。此为全球计算机图形学领域最高荣誉之一，充分肯定了傅教授在基于草图的建模与互动式三维内容创作方面的杰出贡献，以及其在国际计算机图形学领域的领先地位。ACM SIGGRAPH Academy素有「计算机图形学名人堂」之誉，旨在表彰于相关研究及业界发展作出卓越贡献、推动技术创新与进步的领军人物，包括研究人员、业界专家及教育工作者等。 自2018年成立以来，全球累计仅有118位成员，今年共有八位来自世界各地的顶尖专家入选，傅教授为首位来自香港高等院校的成员。迄今该学院仅有三位来自大中华区院校的学者入选，傅教授成功当选，充分彰显其在计算机图形学与人机交互研究领域的国际影响力。科大跨学科学院院长屈华民教授衷心祝贺傅教授获得此荣誉，并表示：「傅教授多年来深耕计算机图形学领域，其研发的创新工具为互动式三维内容创作提供了强大的技术支撑。这项荣誉不仅彰显傅教授在全球计算机图形学界的卓越影响力，更充分体现科大致力推动艺术与科技融合发展、培育新一代跨界创意人才的使命，相信这将进一步激励跨学科创新研究持续迈向新高峰。」傅教授对获得ACM SIGGRAPH Academy的认可深感荣幸，并表示：「我的研究一直致力于弥合人类直觉与数码复杂性之间的鸿沟，让视觉内容创作如同纸上素描般自然流畅。我衷心感谢团队成员和合作伙伴多年来的支持与付出，凭借共同努力及创意，携手缔造了丰硕的研究成果。我们将继续在科大践行这一使命，为新一代创作者提供艺术与科技的前沿技术，为创意产业注入源源不绝的创新动能。」

香港科技大学（科大）牵头研製的全球首款轻小型、高分辨率、高精度二氧化碳（CO₂）与甲烷（CH₄）点源协同探测仪「天韵相机」（Multi‑Spectral Imaging Carbon Observatory, MUSICO），于5月11日随天舟十号货运飞船顺利升空，并成功运抵中国「天宫」太空站。这不仅是香港首项登上国家太空站的科研载荷，更标志着香港在高端航天仪器研发领域实现历史性突破。此项目充分印证香港具备研製国家级世界先进水平的航天科研载荷的雄厚实力，能够参与太空站长期科学任务，并在应对全球气候变化、服务国家「碳达峰、碳中和」战略目标中发挥关键作用。该项目由科大研究团队领军，汇聚跨学科领域的专家学者，成员来自土木及环境工程学系、新兴跨学科领域学部、环境及可持续发展学部、计算机科学及工程学系，以及公共政策学部。项目于2024年底获中国载人航天工程空间应用系统总体单位——中国科学院空间应用工程与技术中心（空间应用中心）正式委托立项，并与中国科学院长春光学精密机械与物理研究所合作研製，同时获香港特别行政区政府创新科技署辖下创新及科技支援计划「特别征集（航天科技）」资助。MUSICO 是一套轻小型、高解析度、高精度的温室气体点源探测载荷，可从太空精准测量二氧化碳（CO₂）及甲烷（CH₄）两大主要温室气体。仪器体积比家用洗衣机更小，却能维持极高的光谱解析度及百米级空间分辨率。其原理是分析太阳光穿过大气层并经地表反射后的光谱变化，识别不同气体的吸收特征，从而计算浓度分布并锁定具体排放来源，可有效监测发电厂、堆填区等重点排放设施。香港特区政府创新科技及工业局局长孙东教授指出：「科大牵头的项目是香港首项进驻国家『天宫』太空站的科研载荷，为香港参与国家航天任务写下重要里程碑。国家『十五五』规划明确将加快绿色低碳转型、建设航天强国、推进碳达峰列为核心方向。香港科研团队自主研发的载荷成功在『天宫』开展任务，充分证明香港科学家在航天科技与绿色低碳前沿领域具备顶尖科研实力与成果转化能力，能够为国家提供高质量、可验证的科学数据，有力支撑国家加速实现双碳目标。」

全球数以百万计的学生长期透过独自观看预录视频进行学习，这种学习模式一直是世界各地大型公开网上课程（MOOC）及大型线上课程的基础。新冠疫情爆发以来，社会对线上视频教学的依赖显著加深，学习人数大幅上升，惟学生的学习参与度及整体学习成效却普遍出现下降，引发学界对线上学习模式成效的广泛关注。香港科技大学（科大）人文社会科学学院院长兼心理学及认知科学讲座教授李平教授领导的研究团队发现，学生在观看线上教学视频前，若先与授课教师（不论是真人还是人工智能［AI］教师）进行简短对话（8至10分钟），可有效促进学生的大脑活动同步，提升整体学习效果。真人教师与AI教师可达致相若的学习成效，但其所涉及的神经处理路径并不相同。人际互动同时启动认知鹰架的构建及强烈的社会情感处理，并透过视线同步加以调节；而AI互动则主要支持由上而下的认知处理。研究显示，无论由AI或由人类教师主导的课前互动，在记忆、理解及知识传递三个层面上，学习成效在统计上并无显著差异。相关研究成果于国际学术期刊《Neuron》发表，题为〈Scaffolding human and AI instruction: neural alignment and learning gains in online education〉，首次从神经科学层面提供实证，显示AI教师在提升网上学习成效方面，可媲美真人教师。研究方法研究团队招募了57名大学生，并将他们随机分为三组进行实验：

由香港科技大学（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，联同生命科学部副教授翟元梁教授，成功开发全球首个DNA引导的CRISPR-Cas系统，实现可编程的RNA靶向和切割，扭转传统 CRISPR系统以RNA作为引导，靶向目标DNA的方式。新系统的临床应用潜力巨大，能为RNA靶向治疗及诊断开辟新路径，包括提升快速传染病诊断的准确度，促进抗病毒治疗发展等。研究成果已刊登于国际权威期刊《自然 - 生物技术》。简单比喻：重新设定GPS导航系统CRISPR-Cas系统的运作可比拟为全球定位导航系统 （GPS）。邢怡铭教授解释：「RNA导向分子就像你输入的地址，而Cas蛋白就是前往该地址（即DNA目标）的汽车。传统检测平台包括SHERLOCK及DETECTR，均以此为基础。」科大团队则提出新方法，结合新开发的DNA引导Cas12a系统和恒温扩增技术，建构出名为「利用靶向水解进行特定基因座评估」（SLEUTH）的革命性检测平台，成功颠覆传统方法。团队通过工程手段，设计出一种名为「CRISPR DNA」（crDNA）的人工合成分子，成功将Cas12a蛋白重新编程，使其能够以DNA作为引导，指引Cas蛋白靶向不同的RNA分子。这个新典范为可编程的RNA工具开辟了全新的设计空间。关键突破：将「指令」与「启动」功能分离这项突破的关键在于一个巧妙的结构设计。研究团队将传统 CRISPR 系统中两个通常结合在一起的功能分离：「启动」讯号（即 PAM 序列）和承载「信息」的地址。透过设计出一段能模仿PAM序列的短链DNA，团队成功制造出具功能性的去氧核糖核蛋白复合物，能够识别并切割任何选定的RNA目标。

香港科技大学（科大）的研究团队发现，在钙钛矿太阳能电池中，传统的钝化策略主要作用於薄膜表面，难以触及埋底界面，如同「外敷」般无法修复成膜过程中形成的深层微结构缺陷。尤其是在成膜过程中，由於溶剂快速挥发，钙钛矿薄膜底部界面常出现空隙与晶界纳米沟槽等微结构缺陷。这些长期被忽视的缺陷严重削弱载流子输运，并在器件放大与运行过程中诱发界面失效，成为制约效率、稳定性和大规模生产的主要瓶颈。针对上述问题，研究团队提出一种具备缓释溶剂分子功能的晶体-溶剂合物（ crystal-solvate，CSV ）种子策略。该策略通过将溶剂包裹於晶体结构中，并在退火过程中逐步释放，使钙钛矿薄膜底部界面结晶过程源头即趋于温和且可控，进而重构薄膜底部的微结构，借此实现更高效率及高稳定性的钙钛矿太阳能电池，并可实现规模化生产。钙钛矿太阳能电池一直以来被视为最具颠覆性的下一代光伏技术之一，并在电网供电、便携式电子装置和太空光伏等应用场景中，展现出取代传统硅大阳能电池的巨大潜力。钙钛矿太阳能电池不仅具备更高光电转换效率，也在材料成本、低温制造及器件美学方面具有显著优势。然而，随着器件面积放大，效率下降、稳定性下降的问题依然严重制约其商业化进程。研究团队指出，问题根源在于倒置结构器件中自组装单分子层（ SAMs ）基底的疏水特性，导致钙钛矿前驱体溶液在成膜初期呈现非润湿结晶模式，从而在薄膜底部形成不可避免的界面空隙与晶界纳米沟槽。这些微结构妨碍晶粒的连续生长，并造成严重的电子与力学失配，最终导致器件退化与失效。传统的底部成核诱导策略虽可以提供晶核，却限于「点状」调控，无法重构底部界面的整体微结构与功能。为克服此限制，研究团队设计并合成了一类低维晶体-溶剂合物（ Crystal solvate，CSV ）作为埋底界面的成核引导层。这类棒状纳米晶体呈能显著改善前驱体溶液在SAM基底上的润湿与成核行为。与传统方法不同，CSV在晶体结构中包裹有溶剂分子，使溶剂成为材料本身的一部分。在退火过程中，这些包裹的晶态溶剂分子会在受热过程以缓慢、受控的方式逐步释放，从而在薄膜底部形成一种缓释式界面调控过程，有效消除界面空隙、显著减轻晶界纳米沟槽，并在薄膜底部引入稳定的卤化物钝化相，协同重构界面能带结构。

由香港科技大学（科大）电子及计算机工程学系教授瞿佳男教授、生命科学部访问助理教授Julie L. SEMMELHACK教授共同领导的跨学科研究团队，成功研发一项崭新的激光控制技术。该技术运作方式犹如智能调光器，可在激光扫描过程中精准、选择性地控制每个像素的亮度，从而避免非目标神经元被意外激活，大幅提升全光学脑成像和调控的精准度。此科研突破有望推动脑部疾病机制研究，并促进相关动物疾病模型在新药研发中的应用。此研究成果已发表于国际学术期刊 《自然通讯》，论文题为「用于无串扰全光学脑神经环路解析的主动像素功率控制方法」。解决脑活动观测的串扰问题近年，随着「全光学神经环路解析」技术的进步，科学家已能精确地锁定引发身体动作、感知或情绪反应的相应神经元。此技术的诞生源于科学界两大突破：一是基因编码的活性传感器，例如钙离子荧光指示剂可令神经元在放电时发光，透过现代显微镜便可实时观测神经活动 ; 二是光遗传学效应器，即光敏感蛋白，例如视紫红质通道蛋白，能利用光控制特定神经元的开关，操纵神经元及环路功能。然而，这种具备高速和单细胞级精确度的方法，在使用红外线激光观察某些神经元时，仍有可能在过程中意外激活邻近的其他神经元并引发放电，导致难以判断观察到的放电讯号究竟源自脑部的自然活动，抑或由于实验操作人为干扰所造成的假讯号，此类「串扰」现象的出现会影响整体测量与分析的准确性。瞿教授表示：「全光学方法虽然极具潜力，但串扰问题一直限制其发展。当使用显微成像观察神经环路时，成像光会暗地里影响神经元以至整个神经环路的运作。」

香港科技大学（科大）参与共建的气象人工智能北京市重点实验室于4月17日正式启动。该实验室由北京城市气象工程技术研究中心（北京城市气象研究院）牵头，共建单位包括香港科技大学、北京中关村学院及中关村人工智能研究院，并由科大环境及可持续发展学部主任刘启汉教授出任实验室副主任，科大协理副校长（教学）冯志雄教授担任学术委员会委员。

香港科技大学（科大）领导的研究团队最近成功研发出一套创新的人工智能（AI）病理分析系统。该系统仅需要极少量样本，且毋须额外训练，即可准确识别多种癌症，显著提升AI辅助医疗的灵活性与效率，为智能病理诊断的普及化带来重要突破。全球每年新增近2,000万宗癌症病例，病理检查在临床诊断和治疗决策中扮演关键角色。然而，面对病理学医生严重短缺的挑战，医疗界十分渴求创新的解决方案，以提高病理分析的效率。尽管AI在自动化病理诊断方面展现巨大潜力，现有技术的实际应用仍面对多重瓶颈。传统AI模型须针对每一种癌症种类或诊断任务，收集数以万计的病理图像及数据进行训练，过程不仅耗时，亦涉及高昂的运算与人力成本。此外，现有病理基础模型往往缺乏通用性，在不同肿瘤类型的临床分析中往往需要大量微调训练，限制了其在资源匮乏地区及多元临床场景中的应用。为有效应对上述挑战，科大电子及计算机工程学系助理教授兼医学成像与影像分析研究中心副主任李小萌教授领导的研究团队，联同广东省人民医院及哈佛医学院，成功开发出一套名为PRET（Pan-cancer Recognition without Example Training）的全新病理分析系统。该系统首次将自然语言处理中的「上下文学习」（In-context Learning）概念引入病理影像分析，让模型在推理阶段仅需参考一至八张已标注的肿瘤切片，便可实时适配全新的癌症类型并执行多项诊断任务，包括癌症筛检、肿瘤分型、肿瘤分割等，犹如一套「即插即用」的智能诊断工具，彻底打破传统AI模型须针对每项任务进行大规模微调的限制。