Faculty of Science, The Chinese University of Hong Kong (CUHK) - 研究效益综览

研究效益综览

香港中文大学理学院热衷于知识转移的工作,一直为学院成员提供支援,致力把他们的研究项目及成果带进生活应用当中,以科学服务社会,而以下的研究效益综览可以让大家了解理学院在促进知识转移方面的成果。

应用大数据和统计学习方法于管理投资组合风险 (统计学系)

薛贤鸿 教授 (统计学系)
王海婴 教授 (统计学系)

金融市场的迅速发展,对衡量投资组合风险及作出最佳投资决策造成一定挑战。王海婴教授和薛贤鸿教授在统计学习和大数据方法的研究,对金融科技的影响深远。几种关键的统计学习方法可在交易运算和开发风险管理平台时应用,同步结合估计和最佳化程序。该平台获一间国际资产管理公司采用,作最佳选择策略建构投资组合,以计算共同基金的风险及提高投资表现 (例如:预计基金的年化收益率增长了 12.6%),并向投资者发出有效的止蚀信号。

王教授和薛教授从基金平台获得实战经验后,希望将其风险计算框架研究成果回馈公众,特意针对个别衍生工具的风险制作简化版计算机,并透过中大统计学系推出网上开放平台,供业界和公众了解用于证券投资组合的风险管理理论,藉此提升公众对金融衍生工具的关注及认识。

胶体等离激元金属纳米颗粒:食品安全和多种领域应用的新篇章 (物理系)

王建方 教授 (物理系)

王建方教授的研究团队开发了创新可靠的纳米颗粒制法,可以生产出合成纯度至高达 90%、具备不同几何形状和尺寸的多种贵金属纳米晶体,能响应波长从可见光 (〜400 nm) 到中红外线 (〜10 μm) 区域的光子。这项专利技术获三家衍生企业采用,多达 1,000 多位的客户来自 30 多个国家和地区。技术的广泛应用,在经济、药物、诊断、生物技术、光学和光电设备等范畴均发挥影响。团队所研发的金属纳米晶体也造就了另一发明——智能标签;同时透过在不同领域的光谱检测仪器中应用纳米晶体,监察食品、饮料、药品和炸药等的质量和安全。

王教授不遗余力在本地及国际向大众讲解研究成果。在 2018 年,他获邀在香港创新科技署举办的 InnoCarnival 上展示金属纳米颗粒;而在 2019 年,他凭此项发明在第47届日内瓦国际发明展览会上勇夺铜奖,进一步推广胶体等离激元金属纳米颗粒的应用。

jfwang1


jfwang2透过王教授的纳米颗粒制法,合成三种具有代表性的双锥体、球形和棒状的胶体等离激元金属纳米颗粒产品。

 

透过崭新方法制造、已应用在白色油墨和防晒产品的空心微颗粒 (化学系)

魏涛 教授 (化学系)

在颗粒稳定乳剂的基础上,魏教授的团队开发了亚微米空心颗粒的崭新制法,效益惠及油墨和化妆品行业。采用空心微颗粒技术生产的白色油墨,成品有更少的沉淀物和更高的白色不透明性。技术获香港的科技公司采用,成功调配出数码印刷专用的白色油墨。公司透过销售产品予联想、中兴通讯等电子公司,单在2018年已录得高达数百万港元的收入。

空心微颗粒技术还吸引到领先全球的巴斯夫化学公司,投资开发防晒霜和日常化妆品,有望解决微塑料的问题,消除现有防晒产品对环境造成的有害影响,长远保护水生生态系统。

 

创新数学方法 CQC:大幅提高计算机图形学和医学成像行业的效率和准确性 (数学系)

雷乐铭 教授 (数学系)

3D 图像采集方法因要在精确度和效率之间作取舍,一直阻碍了计算机图形学和医学图像分析的发展。雷教授团队所开发的数学模型利用计算拟共形几何学 (CQC),并将「 Teichmuller参数化」的表面参数化演算法加以改良;相比常用方法,雷教授的创新方法将实时纹理影射的效率提高三成之余,亦能兼顾图像的准确度。该技术获美国公司采用,所推出的新型 3D 扫描仪系列凭借高精确度在市场领先;公司利用雷教授的研究成果所开发的算法更获多间公司采用,包括:电子游戏开发商暴雪、电机产品公司西门子和半导体公司英特尔。雷教授将 CQC 从理论转化为工具,更获医疗技术公司把应用层面扩至诊断早期脑退化症——阿尔茨海默氏病。全球首创这个全球首创的尖端诊断工具,可以透过分析海马体的立体外观变化,医生能在病人出现神经退化症状前,作出适时干预。


lmlui1高精度纹理影射曲面网格物体的示例。
左:代表人脸的两个原始 3D 网格。右:通过计算拟共形几何学,将不同的 2D 图像映射到曲面网格上。在计算机图形学,影射准确的纹理对于逼真的 3D 模型可视化至关重要。


lmlui2
在医学上应用 CQC 技术,医生能透过分析海马体的立体外观变化,及早诊断脑退化症。

 

耐逆大豆使中国边缘土地上的气候智能型可持续农业发展 (生命科学学院) 

林汉明 教授 (生命科学学院)

甘肃省位于中国西北部,极少及难以预测的全年降水量限制了农业的发展。林教授领导的开拓性研究,破解了野生大豆和栽培大豆的基因序列,并联同甘肃育种专家,共同开发三种耐盐和耐旱的大豆品种,分别名为陇黄1号,陇黄 2 号和陇黄 3 号。根据当地种子局的估算,陇黄系列品种于 2016 至 2020 年间的累计种植面积超过 24,200 公顷,为农民带来约 3,160 万元人民币的收入。甘肃小农户种植陇黄系列大豆后,收入大幅增加之余,生计也得以改善。

此外,耐逆大豆有效改善农地耕作的环境。团队成功把耐逆大豆用于在玉米、胡麻、小麦、果树等的农业间套作,有效修复干旱地区农地。他们也试行在高海拔偏远农村生产大豆,藉此补充土壤的养分。另外,大豆中的生物固氮特性能降低肥料的使用程度,大大减少二氧化碳的排放及空气中的 PM2.5。

「STEAM @ soybean」——由此项崭新研究衍生的教育计划,更于 2019 年获优质教育基金资助,在不同中学推展培育耐逆大豆的科研项目,向中学生传授结合科学与技术的知识,并宣扬正向价值教育。

hmlam1(右) 林汉明教授与 (左) 合作伙伴 —— 来自甘肃省农业科学院旱地农业研究所的张国宏研究员

hmlan2
种植甘肃陇黄大豆品种的大型试验田

 

利用人工智能自动观测冰冻圈退化概况 (地球系统科学课程)

刘琳 教授 (地球系统科学课程)

持续监测冰冻圈,亦即包括冰川、冰架、海冰、多年冻土等地球表面下的冰冻地方,需要科学家不断的努力,其中一项有用工具便是遥感观测。透过分析观测所得的卫星照片,有效监察指定区域的物理环境特性。传统人工智能深度学习框架 DeepLab,因最初的开发用途着眼分析日常图像,例如分辨猫和狗,在处理图片存在一定局限若直接把其应用在卫星图片上,图片上的毫厘之差跟实际情况却有很大出入。最近,由刘琳教授领导的团队所开发的「DeepThaw」,这种革命性的深度学习方法能够从卫星图像中分析和识别 800 多个热融喀斯特地貌。经过反覆学习和人工修正,系统的准确度大大提升,更能自动化分析卫星图片,使遥感观测工作不再单靠人力。透过更频密的自动化卫星图片监测,科学家能更易了解冰冻圈退化的机理,及早作出介入和预警。

lliu
刘教授早前运用了其团队研发的人工智能深度学习技术,分析格陵兰岛雅各布港冰川 (Jakobshavn Isbrae) 的卫星照片。冰川与海汇合的地方在短短五年间出现「前端崩解 (Calving Front)」(图中红线),其变化对整个冰盖的稳定性至关重要,也反映到全球暖化对冰冻圈退化的影响。