最新动态

理大开发崭新长视频推理多模态框架 加速生成式人工智能应用于视频分析

人工智能发展迅速，但不少模型在理解长视频时仍面对不少挑战。香港理工大学（理大）研究团队开发多模态智能体VideoMind，令人工智能模型能通过模仿人类思考过程，理解长视频及回答内容提问，并结合创新的链式低秩适应（Low-Rank Adaptation，LoRA）策略，大大减低消耗资源和所需算力，推动生成式人工智能于视频分析的商业化应用。研究成果已投稿至人工智能顶级会议。 视频，尤其是长视频（15分钟以上），不单纯是叠加的静态画面，其内容包含随时间推移产生的信息，例如事件的发生时序、前因后果、连贯性及场景转换等。人工智能模型要理解视频，不但要识别当中的事物，还要兼顾时间维度的讯息，即事物如何随时间变化。由于画面占用了大量标记（token），导致视频推理需要消耗庞大算力和内存，令一般大模型难以应付太长的视频。 理大计算器及数学科学学院暂任院长及视觉计算讲座教授陈长汶教授带领的研究团队在长视频推理研究取得突破，团队参考了人类理解视频的过程，在其开发的VideoMind框架内设计角色化流程，以渐进式推理的方式，解决模型在理解时序上的困难。框架内的四个角色分别为负责决定如何调用其他角色的规划者（Planner）、搜寻及定位与问题相关片段的定位者（Grounder）、透过裁剪片段及放大画面等方法验证片段的验证者（Verifier），以及分析选定片段并生成答案的回答者（Answerer）。 VideoMind的另一核心创新在于采用了链式LoRA（Chain-of-LoRA）的策略。LoRA是最近两年新兴的大型语言模型微调技术，透过在既有模型内进行低阶调整，令模型不需要重新接受全量（full-parameter）训练，亦能执行特定功能。团队提出的创新链式LoRA策略，只需要在同一基础模型上，加载四个轻量级的LoRA适应器，对应不同角色，即可令模型按需要自行启动不同的适应器，动态切换角色，减省了需要动用的模型量及相关成本，同时提高单一模型的效能及灵活度。 研究团队已在GitHub和HuggingFace平台开源VideoMind项目，以公开测试的长视频任务，涉及14个人工智能模型基准检验集。团队将VideoMind与多个先进大语言模型及多模态模型作比较，发现VideoMind在处理平均时长达27分钟的长视频时，定位准确度较GTP-4o、Gemini 1.5等尖端大模型更优胜。值得注意的是，团队同时测试了较小的20亿（2B）参数量及较大的70亿（7B）参数量的VideoMind，发现2B模型的VideoMind性能已足以媲美其他7B或以上的大模型。 陈长汶教授表示：「人类观看视频时会切换思维方式，先拆解问题，再找出相关片段，然后反复重温及核对，才对内容下结论。此过程效率极高；大脑总功耗仅25瓦左右，比相同算力的超级计算机要低100万倍。我们从这种人类的思考模式中获得启发，设计角色化流程，真正让人工智能像人类一样理解视频，并成功透过链式LoRA策略降低算力和内存需求。」 人工智能浪潮席卷全球，但算力不足和耗能过高的情况日益严重。VideoMind以开源、参数量少的多模态模型Qwen2-VL为骨干，配置优化工具，降低了技术成本和部署门槛，为人工智能模型功耗过高的问题提出可行解决途径。陈教授补充：「VideoMind框架不但突破了人工智能在视频处理的限制，更可作为一个模块化、可扩展、具解释能力的多模态推理框架，拓展生成式人工智能的应用范围，如智能保安监控、体育竞技及娱乐视频分析、视频搜寻功能等领域。」

理大研究发现感官及运动信息有助大语言模型表达复杂概念

没有闻过花香丶触摸过花瓣，或在花园散步过，有可能真正了解什麽是「花」吗？这个问题引发了不少的哲学与认知科学争论；有认知理论专家认为，亲身感受和体验是概念形成的关键，但目前飞速发展的大语言模型研究却表明，仅凭语言便有可能建立对现实具有意义的真实表徵。 由香港理工大学（理大）研究人员与合作者组成的团队，透过分析大语言模型和人类在概念表徵上的相似度，为语言能在多大程度上推动复杂概念的形成和学习提出了新见解。研究并揭示「具身化训练」（grounding），即为大语言模型提供感官（如视觉）及运动信息，让模型能将抽象与具体概念联系起来，可以影响其对复杂概念的理解并生成接近人类的表徵。此研究与俄亥俄州立大学丶普林斯顿大学及纽约市立大学的研究人员合作进行，成果最近於《Nature Human Behaviour》上发表。 理大冼为坚基金人文与科技讲座教授丶人文学院院长兼理大杭州技术创新研究院副院长李平教授领导的研究团队选取大语言模型ChatGPT（GPT-3.5和GPT-4）和 Google LLMs（PaLM 和 Gemini）所生成的词汇评分，并将其与公开发表及经过验证的《格拉斯哥词汇范本》（Glasgow Norms）和《兰卡斯特词汇范本》（Lancaster Norms）数据集中近4,500个词语的人类评分进行比较。这些评分涵盖了非感官运动领域，包括情感效价丶具体性丶可意象性等维度；感官领域，包括视觉丶嗅觉丶听觉等维度，以及运动领域，包括腿／脚丶嘴巴／喉咙等维度。 研究团队以人与人之间的配对结果作为基准，首先将个别人类和大语言模型生成的数据进行比较，以探究人类与大语言模型的词汇评分在上述领域各维度中的相似程度，从中找出大模型和人类在理解不同领域概念上的一致性，例如两者是否都认为某些概念相较其他概念更加具体。然而，这种分析或会忽略不同维度如何共同影响词汇的整体表徵。以「pasta」（意大利面）和「 roses」（玫瑰）为例，两者同样在嗅觉维度拥有较高的评分，但实际上「pasta」与「roses」远远不及「pasta」与「noodles」（面）接近，因为概念之间的相似度需要综合考虑其外观和味道。因此，团队再运用了表徵相似性分析（representational similarity analysis），将每个词汇在各领域多个范畴的评分数据整合成一个向量（vector），以进行更全面的人类与模型比对。 研究结果表明大语言模型生成的词汇表徵与人类表徵的相似度，在非感官运动领域最高，感官领域次之，而在运动领域表现最差。这凸显了大语言模型在表徵人类概念上的局限；模型虽然能够有效掌握非感官运动领域的概念，但在理解涉及视觉外观丶味觉等感官概念，或需要肢体动作体验的运动概念时，表现明显较为逊色。其中，动作性概念较少被文字完整描述，且高度依赖具身经验，相对於色彩一类能从文本数据学习到的感官概念，对模型而言更具挑战性。 根据研究结果，研究人员进一步检验具身化训练能否提升大语言模型的表现。他们比较了同时接受语言及视觉输入训练的具身化模型（如GPT-4和Gemini），跟仅接受语言训练的模型（如GPT-3.5和PaLM）之间的差异，结果发现结合视觉输入的模型生成的表徵与人类表徵相似度明显更高。 李平教授表示：「纯语言训练及语言＋视觉输入（如图像及视频等）训练的大语言模型，为研究感官及运动信息如何影响人类概念形成提供了独特的机遇。我们的研究具体展现了多模态学习的潜在优势，因为实时整合多种模态的信息正是人类学习和表徵的特点，如大模型能吸取到这个特徵，就可更趋近人类的认知模式以及更如人类行为一样高效率。」 值得注意的是，这项发现与以往提出人类表徵迁移现象的研究结果吻合。人类透过视觉和触觉的多模态经验获取物件形状知识，如当我们观看或触摸物件时，大脑中同一区域会被激活。研究人员指出，正如人类一样，经过多模态输入训练的大语言模型在接收了多种信息後，或能在连续的高维度空间中进行表徵融合或迁移。李教授续解释：「大语言模型嵌入空间所具有的平滑及连续特性或许能解释为何我们观察到源自单一模态的知识能够扩散至其他相关模态。此发现也可能揭示了先天失明人士与视力正常者之间为何会在某些领域上有相似表徵。目前的大语言模型在这方面还有明显不足。」 展望未来，研究团队指出今後可以透过类人型机械人技术把大语言模型与多模态数据整合，使其能主动解读真实世界，并作出相应行动。李教授指：「相关技术发展或将催化大语言模型真正实现具身人工表徵，从而更切实反映出人类认知所具有的复杂性和丰富性，届时人们将无法指出大模型对玫瑰花的表徵与人类的表徵有何分别。」

智能适应：人工智能与机械人技术在动态环境中融合

人工智能（AI）技术的进步推动自动化机械人迈向环境适应新时代。   机械人技术在过去数十年的进步令人瞩目，但仍有不少难题尚待解决，未能充分发挥其潜力。传统机械人通常要依靠预先编写的指令和受限制的配置，难以应对预料之外的情况。AI技术涵盖认知、分析、推理及决策，使机械人能够智能操作，显著提升其协助和支持人类的能力。  在工程系统中导入AI技术增强机械人性能，推动其在工业、农业、物流、医学等领域有更广泛的应用，使机械人能够更加自主、有效率地执行复杂任务。这项技术进展不仅释放了机械人的实际应用潜力，也有助解决迫切的医疗和环境问题，以及在工业革命4.0的背景下促进智能制造的范式转型。   香港理工大学机械工程学系智能机器人与自动化讲座教授、香港理工大学（南京）技术创新研究院院长张丹教授，带领研究团队运用AI技术，研发出多项具备高动态性能的新型机械人系统。 张教授的研究团队最近提出了一项抓握姿势检测框架，应用深度神经网络生成出一组具备全方向（六自由度「6-DoF」）的精准抓握姿势。为了准确侦测要抓取的物体，团队在不同半径的多尺度圆柱体上应用卷积神经网络（CNN），就每个物体的估算位置及尺寸，提供详细的几何信息。 透过多个多层感知器（MLP），可以将机器手抓取物体的精确度参数进行最佳调整，其中包括抓取器宽度、针对特定的平面内旋转角度及抓取器深度的抓取分数，以及碰撞侦测。这些参数会输入到框架内的算法，用于扩展默认配置，以产生专为场景而设的全方位抓握姿势。实验结果显示，此方法在实验室模拟环境中的表现全面优于基准方法；在现实实验中平均成功率为84.46%，而基准方法的平均成功率仅为78.31%。 此外，研究团队亦利用AI技术，为一款协助膝关节损伤患者进行步态复健的新型机械人膝关节外骨骼，提升其功能及用户体验。该外骨骼的结构包括: 以电动机驱动，用于主动辅助膝关节屈曲与伸展的执行器；能将外骨骼的重量转移到地面的踝关节；以及由另一组由电动机驱动的刚度调节机件。  机器学习算法中的长短期记忆（LSTM）网络可用于实时调整非线性刚度及扭矩，模仿人体膝关节的生物力学行为特性。此网络透过大量肌电图（EMG）讯号与膝关节运动数据进行训练，能够根据用户的生理讯号及动作状态，实时调整外骨骼的刚度和扭矩。透过预测所需的参数调整，该系统可以适应各种步态需求，有效提升使用者的步行稳定性及舒适度。  本研究整合了基于径向基函数（RBF）网络的自适应接受控制算法，使机械人膝关节外骨骼能够自动调整关节角度及刚度参数，无需使用力矩传感器。这样可以提高位置控制的准确度，以及外骨骼对不同步行姿势的适应能力。此方法以数据为主导，可以完善模型预测，并随时间推进而提高整体表现。实验结果显示，该模型在准确度和实时反应方面，均优于传统的固定控制方法，能够根据不同步速的使用者，产生合适的参考关节轨迹。   张教授的创新研究以深度学习为主的AI技术，显著提升了机械人在感知与理解环境方面的能力。这项技术进展使机器人能够更有效、灵活地解决和应对超出标准作业设定以外的非固定任务。AI与机械人技术的融合，不仅提升了操作的精度与准确度，还为机械人自动化带来了全新功能，能够做到实时决策及持续学习的能力。因此，不断提升机械人的性能，从而拓展其在未来社会中的应用范畴。   数据源： Innovation Digest, Issue 1  更多有关研究  

理大亮相第四届南昌健博会 展示医工结合及人工智能创新科研实力

2025年第四届中国（南昌）国际大健康产业大会暨博览会在6 月 6日于江西省南昌市的南昌绿地国际博览中心开幕，是国内大健康产业交流合作的重要平台。作为全港唯一高等院校代表，理大共邀请11个研究团队参与展览，藉此介绍各项大健康相关的最新研究和技术成果，展示医工结合及人工智能的创新科研实力。 是次展会以「科技大健康，重塑新业态」为主题，内容覆盖生物医药、医疗器械、银发经济、智慧医疗、中医中药、健康消费及智慧生活等大健康全产业链上下游。 理大的展示包括： 理大眼科视光学院科研眼科讲座教授、梁显利长者健康视觉教授何明光教授的「人工智能眼底照相机」 理大机械工程学系讲座教授张丹教授的「踝关节康复机器人」 理大应用生物及化学科技学系副教授马聪教授的「人工智能辅助的医药产品开发平台」 理大航空及民航工程学系助理教授文伟松教授的「专为视觉障碍人士设计的穿戴式智能导航与交互系统」 理大生物医学工程讲座教授、梁显利生物医学工程教授郑永平教授的「无线掌上式超声脂肪肝和肝纤维化评估设备」 及「无辐射三维超声脊柱侧弯评估设备」 理大护理学院助理教授（兼Presidential Young Scholar）李妍教授的「数字漫步」，为行动不便人士缓解忧郁 理大医疗科技及信息学系系主任兼教授蔡璟教授的「用于癌症成像和治疗虚拟对比增强磁共振成像」 理大生物医学工程学系副教授胡晓翎教授的「智云行健步仪」 理大护理学院助理教授王珊珊教授的 「针对认知障碍症照顾者的电子阅读疗法应用程序」 理大赛马会社会创新设计院的「认知障碍模拟游戏套装」 理大研究及创新事务处副总监赵培先生代表出席大会举行的开幕仪式，与一众领导留影。参与开幕式的领导包括：江西省人民政府代表、中国工程院院士代表、南昌市人民政府及国内一众院所领导，多方即场进行学术交流及商贸洽谈。当地媒体亦到场采访理大研究团队，提升活动和社会关注度，广泛推广科研成果和影响力。 理大在医疗教育和医疗创新方面拥有坚实的基础，通过结合医疗保健与人工智能、工程和数据科学等跨学科策略，解决各种医疗挑战，助力提升香港和大湾区的医疗服务，推进香港发展成为国际医疗创新枢纽。  

理大与北京大学第三医院签署合作协议 携手成立肌肉骨骼和运动康复联合研究实验室

香港理工大学（理大）与北京大学第三医院（北医三院）上月签署签署合作协议，正式成立「肌肉骨骼与运动康复联合研究实验室」，推动肌肉骨骼健康与运动康复领域的前沿研究与创新，结合双方在临床专业、医学工程及转化研究方面的优势，促进科研成果转化与应用。 合作协议签署仪式和联合研究实验室揭牌仪式在北医三院举行，由理大协理副校长（内地研究拓展）董澄教授与北医三院院长付卫教授代表双方签署合作协议。随后在董澄教授和付卫教授见证下，理大信兴教育及慈善基金康复科学教授、神经康复治疗学讲座教授及康复治疗科学系系主任彭耀宗教授与北医三院副院长、生殖医学科教授李蓉教授代表双方进行揭牌仪式，象征联合研究实验室正式启动，标志着两地在学术与医学科研合作方面迈出重要一步。 董澄教授致辞时表示：「面对全球人口老龄化与慢性疾病负担加剧的挑战，运动康复在提升生活质量与缓解医疗压力方面的关键作用日益显著。这次理大和北医三院强强连手，既能深化两校学术经纬的交织，更能为大中华区运动康复领域注入创新动能。我们期待与北医三院协同共进，将联合实验室打造成为辐射亚太地区的科研创新及人才孵化基地。」 付卫教授表示：「我们非常高兴能与理大携手合作，推动具影响力的科研项目，推动肌肉骨骼和运动康复领域的创新成果转化，造福患者，促进康复医学发展。」                                             理大与北医三院将充分发挥各自优势，建立集成跨学科资源的联合研究实验室，推动运动康复领域的科学研究、技术创新及人才培养，致力提升患者康复效果，为推动健康老龄化作出贡献。

理大以地理空间技术揭示香港隐藏历史 获创新及科技基金资助

香港历史悠久，文化底蕴深厚，繁华都市背後，许多鲜为人知的历史遗迹和故事仍埋藏地底有待发掘。香港理工大学（理大）土地测量及地理资讯学系研究团队利用先进地理空间技术，发掘和记录香港地下隐藏的战争遗迹和文物古迹，并计划举办一系列公众教育活动，推动香港文化遗产保育和传承。项目获香港创新科技署创新及科技基金「一般支援计划」提供约港币322万元支持。 由理大土地测量及地理资讯学系副系主任（教学）及教授赖纬乐教授领导的「揭示和发现遗失的古代文化遗产：推广21世纪地理空间技术」项目，为期两年，旨在运用先进地理空间技术，包括空间对位及测绘技术丶航空及地面雷射扫描，以及地貌分析科技，发掘和记录香港地下隐藏的战争遗迹丶文物和历史遗址的图像，从而深入研究本地战争遗址和文化遗产。项目将与香港浸会大学历史系副教授邝智文教授，以及本地业馀战争历史学家合作进行。 理大团队亦积极与政府部门丶大学丶业界夥伴丶《国家地理杂志》丶《科学人》丶非牟利机构和薄扶林村民携手推动的「薄凫林牧场」紧密合作，推动公众教育，并推广地理空间技术在发掘香港隐藏历史的应用。团队正利用地理空间和地貌分析技术，探索五个香港战争遗址和历史文化古迹，包括醉酒湾防线丶摩星岭炮台及大潭英军港岛东旅指挥部丶薄扶林村及旧牛奶公司牧场丶大屿山分流炮台，以及东涌炮台，以揭示和重构香港的历史故事，让这些失而复得的历史遗迹重现眼前。 为推广以科技驱动的历史解读丶地理空间测绘应用丶文化遗产保育，以及促进STEAM教育，理大团队将举办一系列公众教育活动，包括香港战争遗址和历史文化古迹实地考察丶STEAM为题的研讨会和讲座丶交流工作坊，以及沉浸式展览等，并配合理大工业中心的混合沉浸式虚拟环境（HiVE）和三维打印等先进设施，让中学生及大学生体验如何以艺术科技结合历史，有系统地呈现香港故事。此计划不但将21世纪地理空间技术融入STEAM教育，更期望加深公众对香港文化遗产的认知和欣赏，促进社区归属感，实现知识共享和传播。 赖纬乐教授表示：「计划以独特方式将尖端科技与历史研究结合，发掘和保育被遗忘的香港珍贵历史遗产，更希望以此作为教育平台，承传和守护人文集体回忆。我们期待透过创新技术和互动教育，艺术丶科技和历史的创新诠释，激发年轻人的学习热忱，让香港丰富的历史故事和文化遗产得以传承。」 赖教授亦获得理大土地及空间研究院的支持，将研究扩展至东南亚。借鉴香港的经验，团队於今年五月在马六甲展开首次行动，为葡萄牙和荷兰殖民时期的着名城门和圣保罗教堂进行三维扫描及测绘，并运用数码化旧地图丶扫描及测绘技术探索失落埋藏的防御城墙。团队更计划将考察行动扩展至马来西亚其他地区和印尼等。 创新及科技基金「一般支援计划」旨在支援有助提升和推动本港产业发展丶培养创新科技文化，以及推广科学普及的非研发项目，以提高社会大众对创新及科技重要性的认识及理解。

理大年青学者获国家自然科学基金委员会及研究资助局联合科研资助基金支持 举办零碳能源学术会议

香港理工大学（理大）致力培养年轻学者拓展合作网络探索卓越研究。由理大年青学者主导的一项项目，入选为国家自然科学基金委员会（NSFC）及研究资助局（RGC）联合科研资助基金的2025/26年度会议项目，将举办有关「零碳能源」的学术会议。 由理大航空及民航工程学系助理教授关昱教授带导的项目「零碳能源利用及其AI赋能」，获国家自然科学基金委员会及研究资助局联合科研资助基金 (会议项目)资助249,800港元，为期12个月。该项目会与上海交通大学的夏溪教授合作进行。 NSFC及RGC联合科研资助基金会议项目的评审准则包括：主办人、合办人和客席讲者在研究界别的地位、本地与内地研究员和学生的参与程度，以及香港与内地研究员从事新的／较长期研究合作的机会。 获选的申请人将在香港举办为期两至三天的学术会议，每场会议的最高资助金额为港币250,000元。

理大学者凭藉对Web3及数字经济贡献 荣获香港工程科技奖

香港理工大学（理大）学者致力于开拓卓越研究，为社会及科技日新月异的需求提供创新方案。理大电子计算学系教授及研究与发展副主任区文浩教授，荣获享负盛名的「2024-25年度香港工程科技奖」，表彰其对Web3 和数字经济发展的杰出贡献。 区文浩教授在资讯安全、应用密码学及区块链技术方面作出了重大贡献，并在应用密码学与区块链技术方面开拓创新研究，为 Web3 和数字经济开发实用、安全且具私隐保护的解决方案。 区教授的研究对提升数码交易、去中心化金融及身份验证的安全性至关重要。他的多项发明已获得领先资讯科技公司和区块链平台的认可和采用。作为香港金融管理局央行数码货币（CBDC）专家小组创始成员之一，他致力于制定业内标准及与时并进的策略，以促进香港数码资产生态系统的健全发展。 他在科学与技术领域的贡献广受肯定，曾获得中银香港科技创新奖、连续两届夺得国际密码学竞赛ZPrize冠军、同时囊括多个最佳论文奖。在其学术生涯中，他已发表超过 200 篇研究论文，累积引用次数超过 11,200 次，h-index达59，彰显其研究具深远影响。 区文浩教授表示：「这项殊荣不仅是个人的里程碑，更印证了我和研究团队的共同努力和理大的支持，我们将继续探索能够解决现实问题的创新研究，持续推动 Web3 与数码金融的发展，致力于研发安全和保障私隐的技术，使个人及业界都能受益。」 香港工程科技奖由香港工程院与创新科技署合作成立，表彰和嘉许在香港工程科学和技术领域展现卓越才能、奉献精神和影响力的年轻科学家、工程师和技术人员的优异成就。

理大与安徽大学签署合作备忘录 推动科研与产业合作

安徽大学代表团到访香港理工大学（理大），双方就科研、教育合作及人才培育等多个范畴展开交流，积极推动合作机遇。此行标志着两校携手前行，并签署合作备忘录，将共建学术科研团队及联合实验室，深化两校在科学研究上的战略合作。 理大行政及拓展副校长卢丽华教授欢迎安徽大学代表团到访，分享理大于创新科研及跨学科教学的最新成果与长远发展。安徽大学校长孙长银教授则阐述该校的办学历程、卓越成就与未来愿景，并指出此次交流对推动产学研融合与高人才培育具深远影响。 在卢教授与孙教授的见证下，理大土地测量及地理信息学系系主任、香港理工大学合肥技术创新研究院院长陈武教授与安徽大学国内合作处处长郭文豪先生代表双方，签署战略合作备忘录，为两校的合作打下坚实的基础。 这次合作，将以理大（合肥）技术创新研究院(研究院)为核心平台，推动两校多领域的交流与协作。研究院将统筹教师与学生交流互访项目，并定期举办联合学术研讨会、论坛与工作坊，为双方学者搭建学术对话桥梁，促进学术思想交流与科研成果分享，提升研究质量与国际影响力。 在产学研方面，理大将与地方政府开展深入合作对接市场需求，深化与企业界的联动。双方将携手推动科研成果产业化，建立科技转化机制，实现资源共享、优势互补，助力科技创新与经济社会发展。 安徽大学是由安徽省人民政府与教育部共同建设的重点综合性高等学府，拥有百年历史，致力培育英才。安徽大学不仅是全省毕业生人数最多的高校，其校友分布广泛深具影响力。  

理大「青年创新研究者奖」 表扬六位年轻学者跨学科创新科研实力

香港理工大学（理大）向六位年轻学者颁发2025年度「青年创新研究者奖」，以表扬他们的卓越科研成就。他们的研究涵盖生物医学工程丶材料科学丶智慧城市发展丶可持续建筑丶言语治疗及绿色能源等领域，展现大学在跨学科的创新科研实力和潜力。 理大副校长（研究及创新）赵汝恒教授衷心祝贺各位得奖学者，并表示：「理大一直在科学研究和知识转移方面追求卓越，各得奖年轻学者的研究成果充分展示他们在促进知识转移方面的努力，为社会带来正面影响。我们期待有关研究继续取得卓越成就，为社会乃至全球人类的福祉作出长远贡献。」 六位得奖者的研究旨在以尖端科技应对全球重大挑战，包括利用改造的免疫细胞为骨关节炎提供针对性治疗；开发高效率深度学习框架，助力晶体材料的创新研发；以设计数据驱动的模型及方法支持智慧城市的营运优化，实现碳中和；将废弃混凝土升级再造成低碳建筑材料，实现可持续建筑；运用超声波扫描研究言语障碍患者的舌头肌肉运作，以提升治疗成效；以及开发高效能的静电波浪能转换器，以善用海洋能资源。 「青年创新研究者奖」今年踏入第四届，旨在培育和表扬年轻学者在科研方面的卓越表现，并鼓励他们开展具影响力的跨学科研究，推动创新科技发展，回应社会及产业的未来需求。奖项专为35岁以下丶具备卓越研究潜力的理大年轻研究人员而设。每位得奖者可获港币50万元研究资助金，及港币2万元个人奖金，以支持其持续开展具前瞻性的科研项目，促进在相关领域的长远发展。 2025年度「青年创新研究者奖」得主（按英文姓氏字母顺序排列）如下： 得奖学者 研究项目 项目详情 欧文婷博士 生物医学工程学系助理教授（研究） 活化关节－原位软骨细胞特异性内皮受体标靶 CAR Tregs 用於骨关节炎治疗 利用改造的免疫细胞，精准锁定关节，阻断有害讯号，减轻发炎，修复损伤，为骨关节炎提供针对性治疗。 林婉瑜教授 数据科学及人工智能学系 及电子计算学系助理教授 面向晶体材料设计的可解释深度学习计算框架 开发高效率可解释深度学习框架，实现晶体材料生成与属性预测双功能，助力高性能晶体材料的创新研发。 潘凯教授 物流及航运学系副教授 面向碳中和的数据驱动智慧城市运营优化 设计数据驱动的模型及方法以支持智慧城市营运优化，促进电网与地面/空中交通的高效能融合，实现碳中和目标。 陶勇博士 土木及环境工程学系助理教授（研究） 推动二氧化碳矿化和废弃混凝土增值，共创可持续未来 利用二氧化碳矿化技术，将废弃混凝土升级再造成高性能丶低碳建筑材料，为可持续建筑及碳中和铺路。 王笑博士 英文及传意学系助理教授（研究） 超声波舌头骨骼肌检查作为构音障碍言语诊断工具 利用超声波扫描研究言语障碍患者的舌头肌肉运作，协助言语治疗师制定更佳治疗方案，以提升言语清晰度。 徐王淮教授 电机及电子工程学系助理教授 开发具有高效率丶高功率密度的电荷路径调制波浪能发电机 为善用香港海洋能资源，该项目将开发一种高效丶耐用的静电波浪能转换器，应用於海上发电和自供电无线系统。