最新動態

理大學者獲選為CoinDesk「Web3 與AI 領域50 位女性」

香港理工大學（理大）致力於推動創新和跨學科研究，結合人工智能（AI）為多個領域帶來突破。理大計算機及數學科學學院副院長（環球事務）、電子計算學系教授、理大人工智能高等研究院行政總監楊紅霞教授，憑藉其開創領先技術的影響力，榮登CoinDesk「Web3及AI 50位女性」榜單。 這份首屆榜單從全球評選出 50 位在塑造加密貨幣和AI未來發展最具影響力的女性。楊教授對AI發展的開創性貢獻備受肯定，特別是在將先進技術與醫療、金融等行業實際應用相結合方面的成果。 楊教授是一位傑出的AI科學家，擁有超過15年的經驗，專注於大規模機器學習、資料探勘、深度學習、以及大型語言模型（LLM）的實際系統部署。在她卓越的職業生涯中，她開套了十個重要的算法系統，提升了多家企業的運營效率。 推進醫療及其他領域的AI 致力為AI去中心化創造條件的楊教授，首創了「模型驅動模型」（Model-over-Models，MoM），即是使用較小型、可堆疊、領域特定的模型，來建構基礎模型。這套名為 InfiFusion的新方案，作為一種高效且可擴展的LLM，將使更多行業受益於先進的AI技術。楊教授及其團隊目前正在開發基礎模型，涵蓋醫療、製造、能源和金融等前沿領域。 楊教授熱衷於結合統計學與醫療保健和精算學並開發創新方案，與人類未來福祉息息相關。楊教授獲邀請在「裘槎高級研討會」(Croucher Advanced Study Institute)為「AI與統計學」課題擔任主講。 該裘槎高級研討會旨在探索生成AI和統計學的前沿交匯，深入發掘可強化數據驅動決策和創新方法和應用。 楊教授表示：「通過結合統計原則與生成式AI的能力，我們旨在開發出更穩健的模型，能夠生成真實數據，提高預測準確性，並為複雜數據集提供更深入的見解。這一探索旨在推動可能性的邊界，促進可應用於各行業的技術進步，最終創造更明智和有效的解決方案。」 CoinDesk的遴選過程涉及全球300多個提名，經由多元化的評審團評選，著重創新、關聯能力和影響力。最終名單展示了在加密貨幣和AI領域中多方面專長的佼佼者，涵蓋技術開發、商業策略、法規監管和倫理框架。

媒體報導：理大與AELIS Couture 攜手打造可持續時尚材料

時裝設計日益創新，隨著科技進步，法國高級訂製服品牌AELIS Couture（AELIS）與香港理工大學（理大）攜手合作，將尖端科研成果轉化為可持續時尚材料，共同設計2024/25秋冬高級訂製服系列，為時尚界注入新活力。 AELIS採用了由理大時裝及紡織學院教授姜綬祥教授帶領團隊，特別設計和製作的金和銀金屬鍍覆的有機絲綢柯根紗。理大科研團隊利用應用金屬鍍覆膜技術，將納米級的超薄金屬薄膜鍍覆於紡織品，不但保持了傳統紡織品的舒適感和飄柔性，更增添了瑰麗的珠光效果，為時尚設計帶來嶄新的視覺體驗。 理大致力研發環保材料，與AELIS的品牌理念完美契合，此創新合作展現出材料創新的突破，成功融合科學技術與時尚設計，體現雙方對環境可持續發展的承諾，推動時尚界邁向更可持續的未來。 面對業界對環保材料日益增長的需求，理大與AELIS的合作融合創新思維與可持續發展理念，加強時尚界與科研界的聯繫，促進創新材料的研發與應用，助時尚設計師發揮更豐富的創作靈感。  

理大開發嶄新長視頻推理多模態框架 加速生成式人工智能應用於視頻分析

人工智能發展迅速，但不少模型在理解長視頻時仍面對不少挑戰。香港理工大學（理大）研究團隊開發多模態智能體VideoMind，令人工智能模型能通過模仿人類思考過程，理解長視頻及回答內容提問，並結合創新的鏈式低秩適應（Low-Rank Adaptation，LoRA）策略，大大減低消耗資源和所需算力，推動生成式人工智能於視頻分析的商業化應用。研究成果已投稿至人工智能頂級會議。 視頻，尤其是長視頻（15分鐘以上），不單純是疊加的靜態畫面，其內容包含隨時間推移產生的資訊，例如事件的發生時序、前因後果、連貫性及場景轉換等。人工智能模型要理解視頻，不但要識別當中的事物，還要兼顧時間維度的訊息，即事物如何隨時間變化。由於畫面佔用了大量標記（token），導致視頻推理需要消耗龐大算力和記憶體，令一般大模型難以應付太長的視頻。 理大計算機及數學科學學院暫任院長及視覺計算講座教授陳長汶教授帶領的研究團隊在長視頻推理研究取得突破，團隊參考了人類理解視頻的過程，在其開發的VideoMind框架內設計角色化流程，以漸進式推理的方式，解決模型在理解時序上的困難。框架內的四個角色分別為負責決定如何調用其他角色的規劃者（Planner）、搜尋及定位與問題相關片段的定位者（Grounder）、透過裁剪片段及放大畫面等方法驗證片段的驗證者（Verifier），以及分析選定片段並生成答案的回答者（Answerer）。 VideoMind的另一核心創新在於採用了鏈式LoRA（Chain-of-LoRA）的策略。LoRA是最近兩年新興的大型語言模型微調技術，透過在既有模型內進行低階調整，令模型不需要重新接受全量（full-parameter）訓練，亦能執行特定功能。團隊提出的創新鏈式LoRA策略，只需要在同一基礎模型上，載入四個輕量級的LoRA適應器，對應不同角色，即可令模型按需要自行啟動不同的適應器，動態切換角色，減省了需要動用的模型量及相關成本，同時提高單一模型的效能及靈活度。 研究團隊已在GitHub和HuggingFace平台開源VideoMind項目，以公開測試的長視頻任務，涉及14個人工智能模型基準測試集。團隊將VideoMind與多個先進大語言模型及多模態模型作比較，發現VideoMind在處理平均時長達27分鐘的長視頻時，定位準確度較GTP-4o、Gemini 1.5等尖端大模型更優勝。值得注意的是，團隊同時測試了較小的20億（2B）參數量及較大的70億（7B）參數量的VideoMind，發現2B模型的VideoMind性能已足以媲美其他7B或以上的大模型。 陳長汶教授表示：「人類觀看視頻時會切換思維方式，先拆解問題，再找出相關片段，然後反覆重溫及核對，才對內容下結論。此過程效率極高；大腦總功耗僅25瓦左右，比相同算力的超級電腦要低100萬倍。我們從這種人類的思考模式中獲得啟發，設計角色化流程，真正讓人工智能像人類一樣理解視頻，並成功透過鏈式LoRA策略降低算力和記憶體需求。」 人工智能浪潮席捲全球，但算力不足和耗能過高的情況日益嚴重。VideoMind以開源、參數量少的多模態模型Qwen2-VL為骨幹，配置優化工具，降低了技術成本和部署門檻，為人工智能模型功耗過高的問題提出可行解決途徑。陳教授補充：「VideoMind框架不但突破了人工智能在視頻處理的限制，更可作為一個模組化、可擴展、具解釋能力的多模態推理框架，拓展生成式人工智能的應用範圍，如智能保安監控、體育競技及娛樂視頻分析、視頻搜尋功能等領域。」

理大研究發現感官及運動信息有助大語言模型表達複雜概念

沒有聞過花香、觸摸過花瓣，或在花園散步過，有可能真正了解什麼是「花」嗎？這個問題引發了不少的哲學與認知科學爭論；有認知理論專家認為，親身感受和體驗是概念形成的關鍵，但目前飛速發展的大語言模型研究卻表明，僅憑語言便有可能建立對現實具有意義的真實表徵。 由香港理工大學（理大）研究人員與合作者組成的團隊，透過分析大語言模型和人類在概念表徵上的相似度，為語言能在多大程度上推動複雜概念的形成和學習提出了新見解。研究並揭示「具身化訓練」（grounding），即為大語言模型提供感官（如視覺）及運動信息，讓模型能將抽象與具體概念聯繫起來，可以影響其對複雜概念的理解並生成接近人類的表徵。此研究與俄亥俄州立大學、普林斯頓大學及紐約市立大學的研究人員合作進行，成果最近於《Nature Human Behaviour》上發表。 理大冼為堅基金人文與科技講座教授、人文學院院長兼理大杭州技術創新研究院副院長李平教授領導的研究團隊選取大語言模型ChatGPT（GPT-3.5和GPT-4）和 Google LLMs（PaLM 和 Gemini）所生成的詞彙評分，並將其與公開發表及經過驗證的《格拉斯哥詞彙範本》（Glasgow Norms）和《蘭卡斯特詞彙範本》（Lancaster Norms）數據集中近4,500個詞語的人類評分進行比較。這些評分涵蓋了非感官運動領域，包括情感效價、具體性、可意象性等維度；感官領域，包括視覺、嗅覺、聽覺等維度，以及運動領域，包括腿／腳、嘴巴／喉嚨等維度。 研究團隊以人與人之間的配對結果作為基準，首先將個別人類和大語言模型生成的數據進行比較，以探究人類與大語言模型的詞彙評分在上述領域各維度中的相似程度，從中找出大模型和人類在理解不同領域概念上的一致性，例如兩者是否都認為某些概念相較其他概念更加具體。然而，這種分析或會忽略不同維度如何共同影響詞彙的整體表徵。以「pasta」（意大利麵）和「 roses」（玫瑰）為例，兩者同樣在嗅覺維度擁有較高的評分，但實際上「pasta」與「roses」遠遠不及「pasta」與「noodles」（麵）接近，因為概念之間的相似度需要綜合考慮其外觀和味道。因此，團隊再運用了表徵相似性分析（representational similarity analysis），將每個詞彙在各領域多個範疇的評分數據整合成一個向量（vector），以進行更全面的人類與模型比對。 研究結果表明大語言模型生成的詞彙表徵與人類表徵的相似度，在非感官運動領域最高，感官領域次之，而在運動領域表現最差。這凸顯了大語言模型在表徵人類概念上的局限；模型雖然能夠有效掌握非感官運動領域的概念，但在理解涉及視覺外觀、味覺等感官概念，或需要肢體動作體驗的運動概念時，表現明顯較為遜色。其中，動作性概念較少被文字完整描述，且高度依賴具身經驗，相對於色彩一類能從文本數據學習到的感官概念，對模型而言更具挑戰性。 根據研究結果，研究人員進一步檢驗具身化訓練能否提升大語言模型的表現。他們比較了同時接受語言及視覺輸入訓練的具身化模型（如GPT-4和Gemini），跟僅接受語言訓練的模型（如GPT-3.5和PaLM）之間的差異，結果發現結合視覺輸入的模型生成的表徵與人類表徵相似度明顯更高。 李平教授表示：「純語言訓練及語言＋視覺輸入（如圖像及視頻等）訓練的大語言模型，為研究感官及運動信息如何影響人類概念形成提供了獨特的機遇。我們的研究具體展現了多模態學習的潛在優勢，因為實時整合多種模態的信息正是人類學習和表徵的特點，如大模型能吸取到這個特徵，就可更趨近人類的認知模式以及更如人類行為一樣高效率。」 值得注意的是，這項發現與以往提出人類表徵遷移現象的研究結果吻合。人類透過視覺和觸覺的多模態經驗獲取物件形狀知識，如當我們觀看或觸摸物件時，大腦中同一區域會被激活。研究人員指出，正如人類一樣，經過多模態輸入訓練的大語言模型在接收了多種信息後，或能在連續的高維度空間中進行表徵融合或遷移。李教授續解釋：「大語言模型嵌入空間所具有的平滑及連續特性或許能解釋為何我們觀察到源自單一模態的知識能夠擴散至其他相關模態。此發現也可能揭示了先天失明人士與視力正常者之間為何會在某些領域上有相似表徵。目前的大語言模型在這方面還有明顯不足。」 展望未來，研究團隊指出今後可以透過類人型機械人技術把大語言模型與多模態數據整合，使其能主動解讀真實世界，並作出相應行動。李教授指：「相關技術發展或將催化大語言模型真正實現具身人工表徵，從而更切實反映出人類認知所具有的複雜性和豐富性，屆時人們將無法指出大模型對玫瑰花的表徵與人類的表徵有何分別。」

智能適應：人工智能與機械人技術在動態環境中融合

人工智能（AI）技術的進步推動自動化機械人邁向環境適應新時代。   機械人技術在過去數十年的進步令人矚目，但仍有不少難題尚待解決，未能充分發揮其潛力。傳統機械人通常要依靠預先編寫的指令和受限制的配置，難以應對預料之外的情況。AI技術涵蓋認知、分析、推理及決策，使機械人能夠智能操作，顯著提升其協助和支援人類的能力。  在工程系統中導入AI技術增強機械人性能，推動其在工業、農業、物流、醫學等領域有更廣泛的應用，使機械人能夠更加自主、有效率地執行複雜任務。這項技術進展不僅釋放了機械人的實際應用潛力，也有助解決迫切的醫療和環境問題，以及在工業革命4.0的背景下促進智能製造的範式轉型。   香港理工大學機械工程學系智能機器人與自動化講座教授、香港理工大學（南京）技術創新研究院院長張丹教授，帶領研究團隊運用AI技術，研發出多項具備高動態性能的新型機械人系統。 張教授的研究團隊最近提出了一項抓握姿勢檢測框架，應用深度神經網絡生成出一組具備全方向（六自由度「6-DoF」）的精準抓握姿勢。為了準確偵測要抓取的物體，團隊在不同半徑的多尺度圓柱體上應用卷積神經網絡（CNN），就每個物體的估算位置及尺寸，提供詳細的幾何資訊。 透過多個多層感知器（MLP），可以將機器手抓取物體的精確度參數進行最佳調整，其中包括抓取器寬度、針對特定的平面內旋轉角度及抓取器深度的抓取分數，以及碰撞偵測。這些參數會輸入到框架內的演算法，用於擴展預設配置，以產生專為場景而設的全方位抓握姿勢。實驗結果顯示，此方法在實驗室模擬環境中的表現全面優於基準方法；在現實實驗中平均成功率為84.46%，而基準方法的平均成功率僅為78.31%。 此外，研究團隊亦利用AI技術，為一款協助膝關節損傷患者進行步態復健的新型機械人膝關節外骨骼，提升其功能及使用者體驗。該外骨骼的結構包括: 以電動機驅動，用於主動輔助膝關節屈曲與伸展的執行器；能將外骨骼的重量轉移到地面的踝關節；以及由另一組由電動機驅動的剛度調節機件。  機器學習演算法中的長短期記憶（LSTM）網絡可用於即時調整非線性剛度及扭矩，模仿人體膝關節的生物力學行為特性。此網絡透過大量肌電圖（EMG）訊號與膝關節運動資料進行訓練，能夠根據使用者的生理訊號及動作狀態，實時調整外骨骼的剛度和扭矩。透過預測所需的參數調整，該系統可以適應各種步態需求，有效提升使用者的步行穩定性及舒適度。  本研究整合了基於徑向基函數（RBF）網絡的自適應接受控制演算法，使機械人膝關節外骨骼能夠自動調整關節角度及剛度參數，無需使用力矩傳感器。這樣可以提高位置控制的準確度，以及外骨骼對不同步行姿勢的適應能力。此方法以數據為主導，可以完善模型預測，並隨時間推進而提高整體表現。實驗結果顯示，該模型在準確度和實時反應方面，均優於傳統的固定控制方法，能夠根據不同步速的使用者，產生合適的參考關節軌跡。   張教授的創新研究以深度學習為主的AI技術，顯著提升了機械人在感知與理解環境方面的能力。這項技術進展使機器人能夠更有效、靈活地解決和應對超出標準作業設定以外的非固定任務。AI與機械人技術的融合，不僅提升了操作的精度與準確度，還為機械人自動化帶來了全新功能，能夠做到即時決策及持續學習的能力。因此，不斷提升機械人的性能，從而拓展其在未來社會中的應用範疇。   資料來源： Innovation Digest, Issue 1  更多有關研究    

理大亮相第四屆南昌健博會 展示醫工結合及人工智慧創新科研實力

2025年第四屆中國（南昌）國際大健康產業大會暨博覽會在6 月 6日於江西省南昌市的南昌綠地國際博覽中心開幕，是國內大健康產業交流合作的重要平台。作為全港唯一高等院校代表，理大共邀請11個研究團隊參與展覽，藉此介紹各項大健康相關的最新研究和技術成果，展示醫工結合及人工智能的創新科研實力。 是次展會以「科技大健康，重塑新業態」為主題，內容覆蓋生物醫藥、醫療器械、銀髮經濟、智慧醫療、中醫中藥、健康消費及智慧生活等大健康全產業鏈上下游。 理大的展示包括： 理大眼科視光學院科研眼科講座教授、梁顯利長者健康視覺教授何明光教授的「人工智慧眼底照相機」 理大機械工程學系講座教授張丹教授的「踝關節康復機器人」 理大應用生物及化學科技學系副教授馬聰教授的「人工智慧輔助的醫藥產品開發平台」 理大航空及民航工程學系助理教授文偉松教授的「專為視覺障礙人士設計的穿戴式智慧導航與交互系統」 理大生物醫學工程講座教授、梁顯利生物醫學工程教授鄭永平教授的「無線掌上式超聲脂肪肝和肝纖維化評估設備」 及「無輻射三維超聲脊柱側彎評估設備」 理大護理學院助理教授（兼Presidential Young Scholar）李妍教授的「數字漫步」，為行動不便人士緩解憂鬱 理大醫療科技及資訊學系系主任兼教授蔡璟教授的「用於癌症成像和治療虛擬對比增強磁共振成像」 理大生物醫學工程學系副教授胡曉翎教授的「智雲行健步儀」 理大護理學院助理教授王珊珊教授的 「針對認知障礙症照顧者的電子閱讀療法應用程式」 理大賽馬會社會創新設計院的「認知障礙模擬遊戲套裝」 理大研究及創新事務處副總監趙培先生代表出席大會舉行的開幕儀式，與一眾領導留影。參與開幕式的領導包括：江西省人民政府代表、中國工程院院士代表、南昌市人民政府及國內一眾院所領導，多方即場進行學術交流及商貿洽談。當地媒體亦到場採訪理大研究團隊，提升活動和社會關注度，廣泛推廣科研成果和影響力。 理大在醫療教育和醫療創新方面擁有堅實的基礎，通過結合醫療保健與人工智慧、工程和資料科學等跨學科策略，解決各種醫療挑戰，助力提升香港和大灣區的醫療服務，推進香港發展成為國際醫療創新樞紐。  

理大與北京大學第三醫院簽署合作協議 攜手成立肌肉骨骼和運動康復聯合研究實驗室

香港理工大學（理大）與北京大學第三醫院（北醫三院）上月簽署簽署合作協議，正式成立「肌肉骨骼與運動康復聯合研究實驗室」，推動肌肉骨骼健康與運動康復領域的前沿研究與創新，結合雙方在臨床專業、醫學工程及轉化研究方面的優勢，促進科研成果轉化與應用。 合作協議簽署儀式和聯合研究實驗室揭牌儀式在北醫三院舉行，由理大協理副校長（內地研究拓展）董澄教授與北醫三院院長付衛教授代表雙方簽署合作協議。隨後在董澄教授和付衛教授見證下，理大信興教育及慈善基金康復科學教授、神經康復治療學講座教授及康復治療科學系系主任彭耀宗教授與北醫三院副院長、生殖醫學科教授李蓉教授代表雙方進行揭牌儀式，象徵聯合研究實驗室正式啟動，標誌著兩地在學術與醫學科研合作方面邁出重要一步。 董澄教授致辭時表示：「面對全球人口老齡化與慢性疾病負擔加劇的挑戰，運動康復在提升生活品質與緩解醫療壓力方面的關鍵作用日益顯著。這次理大和北醫三院強強聯手，既能深化兩校學術經緯的交織，更能為大中華區運動康復領域注入創新動能。我們期待與北醫三院協同共進，將聯合實驗室打造成為輻射亞太地區的科研創新及人才孵化基地。」 付衛教授表示：「我們非常高興能與理大攜手合作，推動具影響力的科研項目，推動肌肉骨骼和運動康復領域的創新成果轉化，造福患者，促進康復醫學發展。」                                             理大與北醫三院將充分發揮各自優勢，建立集成跨學科資源的聯合研究實驗室，推動運動康復領域的科學研究、技術創新及人才培養，致力提升患者康復效果，為推動健康老齡化作出貢獻。

理大以地理空間技術揭示香港隱藏歷史 獲創新及科技基金資助

香港歷史悠久，文化底蘊深厚，繁華都市背後，許多鮮為人知的歷史遺跡和故事仍埋藏地底有待發掘。香港理工大學（理大）土地測量及地理資訊學系研究團隊利用先進地理空間技術，發掘和記錄香港地下隱藏的戰爭遺跡和文物古蹟，並計劃舉辦一系列公眾教育活動，推動香港文化遺產保育和傳承。項目獲香港創新科技署創新及科技基金「一般支援計劃」提供約港幣322萬元支持。 由理大土地測量及地理資訊學系副系主任（教學）及教授賴緯樂教授領導的「揭示和發現遺失的古代文化遺產：推廣21世紀地理空間技術」項目，為期兩年，旨在運用先進地理空間技術，包括空間對位及測繪技術、航空及地面雷射掃描，以及地貌分析科技，發掘和記錄香港地下隱藏的戰爭遺跡、文物和歷史遺址的圖像，從而深入研究本地戰爭遺址和文化遺產。項目將與香港浸會大學歷史系副教授鄺智文教授，以及本地業餘戰爭歷史學家合作進行。 理大團隊亦積極與政府部門、大學、業界夥伴、《國家地理雜誌》、《科學人》、非牟利機構和薄扶林村民攜手推動的「薄鳧林牧場」緊密合作，推動公眾教育，並推廣地理空間技術在發掘香港隱藏歷史的應用。團隊正利用地理空間和地貌分析技術，探索五個香港戰爭遺址和歷史文化古蹟，包括醉酒灣防線、摩星嶺炮台及大潭英軍港島東旅指揮部、薄扶林村及舊牛奶公司牧場、大嶼山分流炮台，以及東涌炮台，以揭示和重構香港的歷史故事，讓這些失而復得的歷史遺跡重現眼前。 為推廣以科技驅動的歷史解讀、地理空間測繪應用、文化遺產保育，以及促進STEAM教育，理大團隊將舉辦一系列公眾教育活動，包括香港戰爭遺址和歷史文化古蹟實地考察、STEAM為題的研討會和講座、交流工作坊，以及沉浸式展覽等，並配合理大工業中心的混合沉浸式虛擬環境（HiVE）和三維打印等先進設施，讓中學生及大學生體驗如何以藝術科技結合歷史，有系統地呈現香港故事。此計劃不但將21世紀地理空間技術融入STEAM教育，更期望加深公眾對香港文化遺產的認知和欣賞，促進社區歸屬感，實現知識共享和傳播。 賴緯樂教授表示：「計劃以獨特方式將尖端科技與歷史研究結合，發掘和保育被遺忘的香港珍貴歷史遺產，更希望以此作為教育平台，承傳和守護人文集體回憶。我們期待透過創新技術和互動教育，藝術、科技和歷史的創新詮釋，激發年輕人的學習熱忱，讓香港豐富的歷史故事和文化遺產得以傳承。」 賴教授亦獲得理大土地及空間研究院的支持，將研究擴展至東南亞。借鑑香港的經驗，團隊於今年五月在馬六甲展開首次行動，為葡萄牙和荷蘭殖民時期的著名城門和聖保羅教堂進行三維掃描及測繪，並運用數碼化舊地圖、掃描及測繪技術探索失落埋藏的防禦城牆。團隊更計劃將考察行動擴展至馬來西亞其他地區和印尼等。 創新及科技基金「一般支援計劃」旨在支援有助提升和推動本港產業發展、培養創新科技文化，以及推廣科學普及的非研發項目，以提高社會大眾對創新及科技重要性的認識及理解。

理大年青學者獲國家自然科學基金委員會及研究資助局聯合科研資助基金支持 舉辦零碳能源學術會議

香港理工大學（理大）致力培養年輕學者拓展合作網絡探索卓越研究。由理大年青學者主導的一項項目，入選為國家自然科學基金委員會（NSFC）及研究資助局（RGC）聯合科研資助基金的2025/26年度會議項目，將舉辦有關「零碳能源」的學術會議。 由理大航空及民航工程學系助理教授關昱教授帶導的項目「零碳能源利用及其AI賦能」，獲國家自然科學基金委員會及研究資助局聯合科研資助基金 (會議項目)資助249,800港元，為期12個月。該項目會與上海交通大學的夏溪教授合作進行。 NSFC及RGC聯合科研資助基金會議項目的評審準則包括：主辦人、合辦人和客席講者在研究界別的地位、本地與內地研究員和學生的參與程度，以及香港與內地研究員從事新的／較長期研究合作的機會。 獲選的申請人將在香港舉辦為期兩至三天的學術會議，每場會議的最高資助金額為港幣250,000元。

理大學者憑藉對Web3及數字經濟貢獻 榮獲香港工程科技獎

香港理工大學（理大）學者致力於開拓卓越研究，為社會及科技日新月異的需求提供創新方案。理大電子計算學系教授及研究與發展副主任區文浩教授，榮獲享負盛名的「2024-25年度香港工程科技獎」，表彰其對Web3 和數字經濟發展的傑出貢獻。 區文浩教授在資訊安全、應用密碼學及區塊鏈技術方面作出了重大貢獻，並在應用密碼學與區塊鏈技術方面開拓創新研究，為 Web3 和數字經濟開發實用、安全且具私隱保護的解決方案。 區教授的研究對提升數碼交易、去中心化金融及身份驗證的安全性至關重要。他的多項發明已獲得領先資訊科技公司和區塊鏈平台的認可和採用。作為香港金融管理局央行數碼貨幣（CBDC）專家小組創始成員之一，他致力於制定業內標準及與時並進的策略，以促進香港數碼資產生態系統的健全發展。 他在科學與技術領域的貢獻廣受肯定，曾獲得中銀香港科技創新獎、連續兩屆奪得國際密碼學競賽ZPrize冠軍、同時囊括多個最佳論文獎。在其學術生涯中，他已發表超過 200 篇研究論文，累積引用次數超過 11,200 次，h-index達59，彰顯其研究具深遠影響。 區文浩教授表示：「這項殊榮不僅是個人的里程碑，更印證了我和研究團隊的共同努力和理大的支持，我們將繼續探索能夠解決現實問題的創新研究，持續推動 Web3 與數碼金融的發展，致力於研發安全和保障私隱的技術，使個人及業界都能受益。」 香港工程科技獎由香港工程院與創新科技署合作成立，表彰和嘉許在香港工程科學和技術領域展現卓越才能、奉獻精神和影響力的年輕科學家、工程師和技術人員的優異成就。