研究效益綜覽

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。

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。

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。

 

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。

 

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。

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。


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。

 

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。

(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


種植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。

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。