01｜先看项目：HKU PhD 有3年与4年两条正式学制，2027/28 Main Round 已开放
这期看的是香港大学 Research Postgraduate PhD，研究落在 Department of Civil Engineering 的 building energy / energy transition 方向。HKU Graduate School 当前 PhD 页面明确区分 3-year 与 4-year programmes：拥有 research Master’s degree（如 MPhil）的申请者可考虑 3-year PhD；荣誉学士或 taught Master’s 等背景通常按 4-year PhD 考虑。对应 full-time normative study period 分别是 36 与 48 个月，官方学制范围就是 3–4 年。
2027/28 admission 的 Main Round 已于 2026 年 9 月 1 日开放，截止 12 月 1 日 23:59 HKT；之后还有 clearing rounds，但学校明确提醒名额有限并鼓励尽早在主轮申请。2027/28 full-time RPg composition fee 已公布为 HK$49,500/年。对 non-local applicant，这笔学费不能默认被常规 stipend 抵消；本地 UGC-funded full-time RPg 的 tuition waiver 则另有政策。
02｜PGS 基础 HK$19,135/月：现金约19.6万元/年，但仍受funding availability约束
HKU Graduate School 最新 Postgraduate Scholarships 页面写明，从 2026 年 9 月 1 日起，PGS basic level 为 HK$19,135/月；PhD probationary candidature 确认后，从下一历月起提高到 HK$19,655/月。PGS 按年续，要求 satisfactory progress，也明确 subject to availability of funding。学校的表述是 eligible students are normally considered，不是无条件人人自动获得。
以基础现金档计算，HK$19,135×12=HK$229,620/年。按 2026 年 9 月 11 日最近可用汇率 1 HKD≈0.855168 CNY 折算，约人民币 19.6 万元/年。HK$49,500 学费、HKPFS 的额外 cash award、conference allowance 与 PGS 属于不同收费或资助项目，不能混成一个现金数字。若申请 HKPFS，2027/28 另有 HK$28,700/月等更高口径，但那是另一套竞争性 fellowship，不应与常规 PGS 混写。
03｜Sicheng Zhan 已是港大土木助理教授，研究核心是“零碳城市需要可行动的数字孪生”
本期 Professor 是 Sicheng Zhan 助理教授。HKU Civil Engineering 当前官方页面已把他列为 Assistant Professor (Construction Engineering & Management)，研究方向包括 Zero-carbon building、Energy transition、Circular energy systems、Sustainable AI infrastructure 和 Decision-oriented digital twins。个人研究主页则进一步说明，他希望用 data-efficient computational methods 做可扩展、面向决策的数字孪生，解决城市向零碳转型时的建筑能源问题。
招生状态也很直接：Sicheng 的个人页面明确写着正在招收多名 PhD students，研究主题包括 sustainable building energy systems、decision-oriented digital twins 与 low-carbon AI infrastructure。学校层面的资助条件仍应以 HKU Graduate School 的正式 PGS 口径为准，导师页面的招生信息本身不等于对每位录取者作出同一金额的财务承诺。
04｜“performance gap”为什么重要：数字孪生若不校准，漂亮模型也可能给错决策
HKU Civil 官方代表作中列有 Sicheng Zhan 2024/2025 年的研究 Bridging performance gap for existing buildings: The role of calibration and the cascading effect。它关注既有建筑里一个很现实的问题：模型与真实运行之间会存在 performance gap，而 calibration 不是单次“调参数”，不同误差与假设会沿后续分析链继续传递。对数字孪生而言，如果基线模型本身没有被可靠校准，后面的控制、节能评估和改造决策都可能继承同一个偏差。
这也解释了他为什么强调 decision-oriented。数字孪生不是为了做一张实时可视化大屏，而是要告诉运营者“下一步该做什么”，因此模型精度、数据成本、可解释性和决策敏感性必须一起考虑。申请者如果做过 building simulation、system identification、calibration、Bayesian inference、optimization 或 sensor analytics，最好把方法和最终决策之间的因果链写出来，而不是只报 RMSE 更低。
05｜从PV自消纳到physics-informed ML：他的控制研究一直在追求“能进真实系统”
Sicheng 参与的 2023 年 Energy and Buildings 研究在热带净零办公建筑里做 Model Predictive Control，通过调节负荷匹配光伏发电。论文报告 PV self-consumption 提升 19.5%，building self-sufficiency 提升 10.6%，并比较不同数据可用性对控制效果的影响。重点不是预测下一小时能耗，而是数据质量怎样改变实际控制决策。
2025–2026 年研究把 physics-informed machine learning 放进 building dynamics 与 advanced control。2026 年 Energy and Buildings 的工作比较 physics-informed models，并用 MPC 与 reinforcement learning 评价控制表现；PI-ModNN 指出，不合适的物理先验可能降低准确性或一致性。核心问题是：什么先验、数据和控制目标能在真实建筑里可靠工作。
06｜申请这条线，要证明你能把能源系统、计算方法和真实决策连在一起
合适背景可以来自建筑环境、暖通、土木、能源、电气、控制、计算机或数据科学。真正有区分度的材料通常包含至少一条完整闭环：你有没有真实传感器或 BMS 数据？模型如何校准？控制基线是什么？optimization / MPC / RL 怎样评价？是否考虑舒适度、通风、需求响应、储能或碳强度约束？如果做 AI infrastructure，则还能继续延伸到数据中心负荷、余热利用与城市能源系统。
联系 Sicheng Zhan 时，可以直接从他公开的三条当前招生主题里选一个接口：sustainable building energy systems、decision-oriented digital twins 或 low-carbon AI infrastructure。把一段最强的技术经历与一个具体问题放在邮件前半段，再附 CV、代表项目和 research statement。HKU 2027/28 Main Round 目前仍在 12 月 1 日截止前，导师本人也明确处于 PhD recruiting 状态；越早让研究问题与他的当前线真正对上，越比泛泛写“我想做智慧建筑”有信息量。
