1. Home
  2. /
  3. 知識轉移
  4. /
  5. 研究效益綜覽

研究效益綜覽

香港中文大學理學院熱衷於知識轉移的工作,一直為學院成員提供支援,致力把他們的研究項目及成果帶進生活應用當中,以科學服務社會,而以下的研究效益綜覽可以讓大家了解理學院在促進知識轉移方面的成果。

Do not remove this accordion
應用大數據和統計學習方法於管理投資組合風險 (統計學系)

薛賢鴻 教授 (統計學系)
王海嬰 教授 (統計學系)

金融市場的迅速發展,對衡量投資組合風險及作出最佳投資決策造成一定挑戰。王海嬰教授和薛賢鴻教授在統計學習和大數據方法的研究,對金融科技的影響深遠。幾種關鍵的統計學習方法可在交易運算和開發風險管理平台時應用,同步結合估計和最佳化程序。該平台獲一間國際資產管理公司採用,作最佳選擇策略建構投資組合,以計算共同基金的風險及提高投資表現 (例如:預計基金的年化收益率增長了 12.6%),並向投資者發出有效的止蝕信號。

王教授和薛教授從基金平台獲得實戰經驗後,希望將其風險計算框架研究成果回饋公眾,特意針對個別衍生工具的風險製作簡化版計算機,並透過中大統計學系推出網上開放平台,供業界和公眾了解用於證券投資組合的風險管理理論,藉此提升公眾對金融衍生工具的關注及認識。

膠體等離激元金屬納米顆粒:食品安全和多種領域應用的新篇章 (物理系)

王建方 教授 (物理系)

王建方教授的研究團隊開發了創新可靠的納米顆粒製法,可以生產出合成純度至高達 90%、具備不同幾何形狀和尺寸的多種貴金屬納米晶體,能響應波長從可見光 (〜400 nm) 到中紅外線 (〜10 μm) 區域的光子。這項專利技術獲三家衍生企業採用,多達 1,000 多位的客戶來自 30 多個國家和地區。技術的廣泛應用,在經濟、藥物、診斷、生物技術、光學和光電設備等範疇均發揮影響。團隊所研發的金屬納米晶體也造就了另一發明——智能標籤;同時透過在不同領域的光譜檢測儀器中應用納米晶體,監察食品、飲料、藥品和炸藥等的質量和安全。

王教授不遺餘力在本地及國際向大眾講解研究成果。在 2018 年,他獲邀在香港創新科技署舉辦的 InnoCarnival 上展示金屬納米顆粒;而在 2019 年,他憑此項發明在第47屆日內瓦國際發明展覽會上勇奪銅獎,進一步推廣膠體等離激元金屬納米顆粒的應用。

 

jfwang1

jfwang2

透過王教授的納米顆粒製法,合成三種具有代表性的雙錐體、球形和棒狀的膠體等離激元金屬納米顆粒產品。

透過嶄新方法製造、已應用在白色油墨和防曬產品的空心微顆粒 (化學系)

魏濤 教授 (化學系)

在顆粒穩定乳劑的基礎上,魏教授的團隊開發了亞微米空心顆粒的嶄新製法,效益惠及油墨和化妝品行業。採用空心微顆粒技術生產的白色油墨,成品有更少的沉澱物和更高的白色不透明性。技術獲香港的科技公司採用,成功調配出數碼印刷專用的白色油墨。公司透過銷售產品予聯想、中興通訊等電子公司,單在2018年已錄得高達數百萬港元的收入。

空心微顆粒技術還吸引到領先全球的巴斯夫化學公司,投資開發防曬霜和日常化妝品,有望解決微塑料的問題,消除現有防曬產品對環境造成的有害影響,長遠保護水生生態系統。

創新數學方法 CQC:大幅提高計算機圖形學和醫學成像行業的效率和準確性 (數學系)

雷樂銘 教授 (數學系)

3D 圖像採集方法因要在精確度和效率之間作取捨,一直阻礙了計算機圖形學和醫學圖像分析的發展。雷教授團隊所開發的數學模型利用計算擬共形幾何學 (CQC),並將「 Teichmuller參數化」的表面參數化演算法加以改良;相比常用方法,雷教授的創新方法將實時紋理影射的效率提高三成之餘,亦能兼顧圖像的準確度。該技術獲美國公司採用,所推出的新型 3D 掃描儀系列憑藉高精確度在市場領先;公司利用雷教授的研究成果所開發的算法更獲多間公司採用,包括:電子遊戲開發商暴雪、電機產品公司西門子和半導體公司英特爾。雷教授將 CQC 從理論轉化為工具,更獲醫療技術公司把應用層面擴至診斷早期腦退化症——阿爾茨海默氏病。全球首創這個全球首創的尖端診斷工具,可以透過分析海馬體的立體外觀變化,醫生能在病人出現神經退化症狀前,作出適時干預。

lmlui1

高精度紋理影射曲面網格物體的示例。
左:代表人臉的兩個原始 3D 網格。右:通過計算擬共形幾何學,將不同的 2D 圖像映射到曲面網格上。在計算機圖形學,影射準確的紋理對於逼真的 3D 模型可視化至關重要。

lmlui2

在醫學上應用 CQC 技術,醫生能透過分析海馬體的立體外觀變化,及早診斷腦退化症。

 

耐逆大豆使中國邊緣土地上的氣候智能型可持續農業發展 (生命科學學院)

林漢明 教授 (生命科學學院)

甘肅省位於中國西北部,極少及難以預測的全年降水量限制了農業的發展。林教授領導的開拓性研究,破解了野生大豆和栽培大豆的基因序列,並聯同甘肅育種專家,共同開發三種耐鹽和耐旱的大豆品種,分別名為隴黃1號,隴黃 2 號和隴黃 3 號。根據當地種子局的估算,隴黃系列品種於 2016 至 2020 年間的累計種植面積超過 24,200 公頃,為農民帶來約 3,160 萬元人民幣的收入。甘肅小農戶種植隴黃系列大豆後,收入大幅增加之餘,生計也得以改善。

此外,耐逆大豆有效改善農地耕作的環境。團隊成功把耐逆大豆用於在玉米、胡麻、小麥、果樹等的農業間套作,有效修復干旱地區農地。他們也試行在高海拔偏遠農村生產大豆,藉此補充土壤的養分。另外,大豆中的生物固氮特性能降低肥料的使用程度,大大減少二氧化碳的排放及空氣中的 PM2.5。

「STEAM @ soybean」——由此項嶄新研究衍生的教育計劃,更於 2019 年獲優質教育基金資助,在不同中學推展培育耐逆大豆的科研項目,向中學生傳授結合科學與技術的知識,並宣揚正向價值教育。

hmlam1

(右) 林漢明教授與 (左) 合作夥伴 —— 來自甘肅省農業科學院旱地農業研究所的張國宏研究員

hmlan2
種植甘肅隴黃大豆品種的大型試驗田

利用人工智能自動觀測冰凍圈退化概況 (地球與環境科學課程)

劉琳 教授 (地球系統科學課程)

持續監測冰凍圈,亦即包括冰川、冰架、海冰、多年凍土等地球表面下的冰凍地方,需要科學家不斷的努力,其中一項有用工具便是遙感觀測。透過分析觀測所得的衛星照片,有效監察指定區域的物理環境特性。傳統人工智能深度學習框架 DeepLab,因最初的開發用途著眼分析日常圖像,例如分辨貓和狗,在處理圖片存在一定局限若直接把其應用在衛星圖片上,圖片上的毫釐之差跟實際情況卻有很大出入。最近,由劉琳教授領導的團隊所開發的「DeepThaw」,這種革命性的深度學習方法能夠從衛星圖像中分析和識別 800 多個熱融喀斯特地貌。經過反覆學習和人工修正,系統的準確度大大提升,更能自動化分析衛星圖片,使遙感觀測工作不再單靠人力。透過更頻密的自動化衛星圖片監測,科學家能更易了解冰凍圈退化的機理,及早作出介入和預警。

lliu
劉教授早前運用了其團隊研發的人工智能深度學習技術,分析格陵蘭島雅各布港冰川 (Jakobshavn Isbrae) 的衛星照片。冰川與海匯合的地方在短短五年間出現「前端崩解 (Calving Front)」(圖中紅線),其變化對整個冰蓋的穩定性至關重要,也反映到全球暖化對冰凍圈退化的影響。

Share to LinkedIn
Share
Follow by Email
Skip to content