研究效益案例

薛賢鴻 教授 (統計系)
王海嬰 教授 (統計系)

金融市場的迅速發展，對衡量投資組合風險，從而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對統計學習和大數據方法的研究，對金融科技產生了巨大的經濟影響。幾種關鍵的統計學習方法應用在交易運算和風險管理平台的開發，在進行以上操作時，同步結合估計和最佳化程序。該平台已被一家國際資產管理公司採用，以作最佳的選擇策略去構建投資組合，以及計算共同基金中的風險，從而提高了投資表現 (例如，預計基金的年化收益率增長了12.6％)，並向投資者發出了有效的止損信號。

王教授和薛教授在從基金平台獲得實戰經驗後，他們希望將其風險計算框架的研究回饋公眾。因而製作了一個針對個別衍生工具風險的簡化版計算器，並在中大統計系線上開放平台推出，供業界和公眾了解用於證券投資組合的風險管理背後統計學習理論，同時引起公眾對金融衍生品投資的認識及關注。

王建方 教授 (物理系)

王建方教授的研究團隊已經開發出了可靠的創新方法，可以精確合成純度高達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。這項專利技術已被三家衍生企業開發，1000多家客戶涵蓋了30多個國家和地區，其發明應用在多種領域，對經濟、藥物、診斷、生物技術、光學和光電設備等方面的研發產生了極大的影響。基於他們的金屬納米晶體，該團隊發明了智能標籤，也將納米晶體應用於不同領域的光譜檢測儀器中，以監控食品、飲料、藥品和炸藥等的質量和安全性。

除了媒體報導外，王教授還應邀在2018年InnoCarnival上展示了他對金屬納米顆粒的研究成果，並在第47屆日內瓦國際發明展覽會上獲得了銅獎。其研究成果在國際舞台內向公眾展示，進一步推廣膠體等離激元金屬納米顆粒的應用。

透過王教授的創新方法，合成的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。

 

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嶄新製法，並對油墨和化妝品行業產生了廣泛效益。採用革新空心微顆粒技術生產的白色油墨，具有更少的沉澱和更高的白色不透明性。一家香港的科技公司成功應用了這種空心微顆粒技術去調配數碼印刷的白色油墨，並將其廣泛銷售給電子行業，包括聯想、中興通訊等，2018年的收入達數百萬港元。

空心微顆粒技術還吸引了領先全球的巴斯夫化學公司的投資，用於開發防曬霜和日常化妝品。 未來的防曬產品一經應用魏教授的新技術，可以有助解決微塑料的問題，從而消除現有空心顆粒防曬產品對環境的有害影響，從而對水生生態系統的保護產生長期效益。

 

雷樂銘 教授 (數學系)

常規的3D成像採集方式，其精確度和效率之間的困境限制了計算機圖形學和醫學成像行業的發展。 雷教授的團隊開發了創新的計算準共形幾何 (CQC) 和改進「 Teichmuller參數化」的表面參數化演算法，與常規的方式相比，雷教授的的方法將實時紋理影射的效率提高三成，同時兼備極高準確度。該技術被一家美國公司利用，以市場領先的獨特高精度推出了新型3D掃描儀系列，並開發了一種被暴雪、西門子和英特爾採用的算法。 雷教授的研究成果也被一家醫療技術公司採用，用於一種全球首創針對早期腦退化症 (“阿爾茨海默氏病”)的尖端診斷工具。透過分析海馬體的立體外觀變化，該診斷工具令醫生得以在神經退化症狀出現之前，作出適時干預。

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：通過準共形幾何演算法，將不同的2D圖像映射到曲面網格上。計算機圖形學中，準確的紋理影射對於逼真的3D模型可視化至關重要。


透過在醫學上應用CQC技術，可以讓醫生透過分析海馬體的立體外觀變化去診斷腦退化症

 

林漢明 教授 (生命科學學院)

甘肅省位於中國西北部，那裡全年的降水極少且難以預測，因此限制了農業的發展。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，並與甘肅育種家共同開發了3種新的耐鹽和耐旱大豆 (隴黃1號，隴黃2號和隴黃3號)。根據當地種子局的估算，隴黃系列品種的累計種植面積已超過24200公頃 (2016-2020年)，為農民創收約為3160萬元人民幣 (2016-2020年)。甘肅的小農戶通過種植隴黃系列大豆獲增加了收入，改善了生計。此外，這些大豆還成功地用於在與玉米，胡麻，小麥，果樹等農業間套作，以及用作修復干旱地區的農地，同時亦可在高海拔偏遠農村試行大豆生產以及補充土壤養分。大豆的生物固氮特性還可以減少肥料的使用，從而減少二氧化碳的排放，還有減低空氣中PM2.5的好處。最近，一項衍生教育計劃“ STEAM @ soybean”已於2019年獲得優質教育基金的資助，在不同中學通過培育耐逆大豆的科研項目，向中學生推廣科學與技術的綜合知識，以及正向價值教育。

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


甘肅隴黃大豆品種的大型試驗田

 

劉琳 教授 (地球系統科學課程)

持續監測冰凍圈，亦即涵蓋地球表面下的冰凍地方，包括冰川、冰架、海冰、多年凍土等，需要科學家不斷的努力，而分析遙感觀測所得出的衛星照片是監察指定區域的物理環境特性的有用工具之一。傳統人工智能深度學習框架DeepLab，在處理圖片上有一定局限，因為本身的開發用途是用於分析日常圖像，例如分辨貓和狗；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，劉琳教授的團隊開發了一種革命性的深度學習方法 “DeepThaw”，它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大大提升系統的準確度，達到自動化分析衛星圖片的目標，顛覆過去依賴人力的遙感觀測工作。這個人工智能系統可使科學家可以投放更多時間，透過更頻密的自動化衛星圖片監測，更容易了解冰凍圈退化的機理，以便及早作出介入和預警。

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。