香港科技大学曾超华教授招收全奖博士生

01、学校招生要求

香港科技大学作为亚洲乃至全球顶尖的研究型大学之一，其博士招生有着严格而明确的要求。近日，土木及环境工程学系的曾超华教授（Ir Prof. Dan Tsang）发布了2026年全奖博士招生信息，为有志于碳中和与环境工程研究的优秀学子提供了难得的发展机会。根据最新政策，申请者需满足以下条件：

1. 基本学历要求

·持有认可大学或院校的学士学位，且成绩优异

·在化学、化学工程、材料科学或相关领域拥有学士或硕士学位

·对于直接攻读博士学位的申请者，需展示杰出的本科成绩和研究能力

2. 研究经验与专业能力

·具备表面化学与催化化学的研究背景

·熟练掌握先进表征技术

·对催化反应机理有深入理解

·具备独立开展研究及有效协作的能力

3. 语言能力要求

·具备优秀的英语科技论文写作与沟通能力

·如申请者的第一语言非英语，且所获学位的教学语言非英语，需额外满足香港科技大学的英语语言要求

4. 入学时间与申请流程

· 入学时间：2026年2月或9月

·申请者需通过香港科技大学研究生院在线申请系统提交申请

·申请材料应包含个人简历和详细说明研究经验及兴趣的自荐信

02、教授研究方向

曾超华教授（Ir Prof. Dan Tsang）是香港科技大学碳中和科技研究中心主任，同时兼任浙江大学清洁能源利用国家重点实验室包玉刚讲座教授。他拥有多项学术荣誉，包括英国土木工程师学会会士、英国皇家化学会会士和香港工程师学会会士等。

1. 主要研究领域

· 工程化生物炭（Engineered biochar）

· 废物资源化利用（Waste valorisation）

· 碳中和建筑材料（Carbon-neutral construction materials）

· 绿色/可持续修复技术（Green/sustainable remediation）

2. 学术成就

·在全球前10%的期刊上发表论文600余篇

·论文总被引次数超过75,000次

·入选斯坦福大学全球前2%顶尖科学家榜单

·入选科睿唯安全球高被引科学家

3. 招生项目方向

曾教授团队聚焦碳中和与可持续发展目标（SDGs），致力于开发净零技术应对现实环境挑战。潜在博士研究项目主要包括：

· 生物质升级回收：开发碳基催化剂，将生物质废弃物转化为高附加值产品，助力可持续发展目标

· 先进废水处理：开发碳基催化剂，解决实际废水处理难题

4. 博士项目优势

· 丰厚奖学金：提供具有竞争力的津贴，最高可达每年337,200港元（三年期）

· 奖学金机会：可申请香港博士研究生奖学金计划(HKPFS)和红鸟博士研究生奖学金计划(Redbird PhD Award Program)等

· 先进设施：可使用香港科技大学的顶尖研究设备

· 跨学科合作：提供多学科合作研究机会

· 发展支持：提供职业发展指导与支持

03、创新研究想法

基于曾超华教授的研究方向，以下是几个潜在的创新研究计划：

1. 多功能生物炭复合材料用于农业废弃物资源化

研究背景：农业废弃物（如秸秆、果壳等）大量存在，处理不当会造成环境污染，而通过生物炭技术将其转化为高附加值产品具有重要意义。

创新点：

·设计具有多级孔结构的生物炭复合材料，同时负载特定功能性金属或金属氧化物

·开发一步法合成工艺，降低制备成本并提高可规模化能力

·将所得材料应用于土壤改良、污染物去除和碳封存的多功能集成系统

预期成果：实现农业废弃物的高效资源化利用，开发出具有多功能特性的新型碳材料，同时实现碳封存，助力碳中和目标。

2. 基于生物炭的催化膜系统用于难降解有机污染物处理

研究背景：工业废水中的难降解有机污染物对环境和健康构成严重威胁，传统处理方法效率低、能耗高。

创新点：

·开发具有特定催化活性的生物炭改性膜材料

·将催化降解与分离过程集成，实现污染物的原位转化

·设计太阳能驱动的低能耗催化系统，降低处理成本

预期成果：构建高效、低能耗的废水处理新技术，解决难降解有机污染物处理难题，推动水环境治理技术升级。

3. 碳中和建筑材料中生物炭的多尺度结构调控

研究背景：建筑行业是碳排放的重要来源，开发碳中和建筑材料对实现碳减排具有重要意义。

创新点：

·研究生物炭在建筑材料中的多尺度结构与性能关系

·开发生物炭改性水泥基材料的微观结构调控技术

·利用生物炭提高建筑材料的保温隔热性能，降低建筑能耗

预期成果：开发出具有良好强度、保温性能和低碳足迹的新型建筑材料，推动建筑行业的绿色低碳转型。

4. 基于AI技术的催化剂设计与优化

研究背景：高效催化剂的开发通常需要大量实验和经验知识，而人工智能技术的引入可大幅提高研发效率。

创新点：

·构建催化材料结构-性能关系的机器学习模型

·利用AI辅助设计最优催化剂组成和结构

·开发高通量实验与AI反馈的迭代优化系统

预期成果：建立催化材料智能设计平台，显著缩短催化剂研发周期，提高研究效率和成功率。