开放科学(资源服务)标识码(OSID)：
This paper makes a large-scale study of disruptive technology,in which its characteristics are analyzed,and the research on the evolution and prediction of disruptive technology is summarized.Patent is an important index and carrier to measure the development of technology,so patent analysis is used primarily in this study to effectively describe the evolution of disruptive technologies and map the technology development according to the evolution trend.On the basis of the results of patent analysis,the cutting-edge technologies of the technology development path graph is analyzed by post-discrete method,and the development direction of different technology hot spots is evaluated.Related theories of complex networks are used for predicting disruptive technologies.First,the study selects the key technology hot spots as nodes in a complex network based on the evolutionary path of disruptive technologies.Then it uses the link prediction algorithms to analyze similarities in different technical nodes.Link prediction refers to predicting the possibility of link generation between two nodes that have not yet been connected in the network through information,such as known network nodes and network structures.These predictions include predictions of unknown links as well as future links.The network structure is reconstructed by Word2Vec algorithm according to node density and node center,so as to predict the node-specific link.In order to verify the reliability of theory and method,quantum information technology is selected for empirical analysis.Through empirical analysis,this study analyzes the evolution trends of quantum information technology and reasonably predicts the potential associated technologies,in the hope of solving the problems of inaccurate and subjective description of disruptive technologies,and providing new ideas and approaches for the prediction of disruptive technologies in China.
Given the present situation in which China is facing a "net clock" in key technologies and the arduous task in the fourteenth Five-Year Plan,this paper puts forward the following suggestions.(1)The analysis of the overall trend of technological development should be emphasized,and the analysis of subversive technological evolution is the prerequisite and foundation for realizing technological prediction.(2) Because the prediction of association of disruptive technology is the key to occupying the highlands of science and technology and achieve disruptive breakthroughs,it is essential to strengthen the prediction of association between technology hot spots in the field of technology,and then improve the perception of potential technologies and accurately identify the development trends of different technology hot spots in disruptive technologies.
开放科学(资源服务)标识码(OSID)：
当今世界,伴随着新方法、新技术、新知识的不断提出与应用,科技产业迎来新一轮颠覆性变革,科技创新能力成为推动社会经济发展的第一动力。其中,颠覆性技术作为科技创新的重要组成部分,是推动新一轮技术变革的强力引擎,是实现科技创新领域“弯道超车”的有效途径[1]。颠覆性技术预测与研发已经成为大国博弈的制高点,也是各国实现国际地位更替的关键。习近平总书记在多个重大会议上强调要在颠覆性技术创新方面主动作为,颠覆性技术创新探索、研发、转化是一项具有前瞻性、战略性、复杂性的系统工程,必须摆在国家发展全局高度。众多研究表明,颠覆性技术并不遵从传统科技发展思路和技术路径,拥有强大的创造性和破坏力,能够颠覆长期以来稳定发展的社会经济体系,并深刻改变人们的日常生活和工作方式[2]。鉴于颠覆性技术具有不确定性、时效性、前瞻性等特征,如何对其进行预见分析成为颠覆性技术取得优势地位的首要任务。为提高我国技术创新能力和整体科技水平,学者对颠覆性技术演进与预测进行了积极探索,但仍存在以下不足:①多采用文献计量方式对颠覆性技术演进过程进行研究,如对颠覆性技术相关文献进行聚类分析,主要依靠文献篇名和关键词,难以挖掘词义之间的相关性,对于颠覆性技术演进的描述存在一定偏差;②主要以专家与算法相结合的方式对颠覆性技术进行预测分析,无论是专家分析还是算法分析在实际应用中都存在所需文本量较大、适用程度较低、评价方法过于主观等问题;并且,学者所采用的算法多是探讨某一技术未来发展趋势,忽略了潜在技术之间的关联。基于此,本研究提出一种基于专利分析与复杂网络理论相结合的方法,利用算法对专利潜在语义进行挖掘,利用复杂网络理论对技术关联进行预测,通过语义间的关联算法与链路预测算法可有效弥补以往研究的不足;③通过对量子信息技术领域进行实证分析,探究量子信息技术发展态势和前景,并验证所提方法的可行性。
总体而言,本研究尝试解决以下问题:①利用专利分析法剖析颠覆性技术整体演化趋势,对其发展路线进行详细描述;②根据颠覆性技术整体发展路线,利用后离散方法对其前沿技术热点演变进行分析;③以专利分析结果中的关键技术与衍生技术作为复杂网络节点,构建颠覆性技术复杂网络结构,对潜在关联技术进行预测。
颠覆性技术是一种另辟蹊径、对已有传统或主流技术产生整体或根本性变革的技术,其既可能是全新技术,也可能是现有技术的跨学科、跨领域应用[3]。1995年,哈佛大学商学院教授Christensen[4]首次提出颠覆性技术的概念,颠覆性技术理论探讨由此展开。1997年,Christensen[5]在《创新者的困境》一书中正式提出颠覆性技术一词,认为技术创新存在两种模式:渐进式创新和颠覆式创新。其中,渐进式创新推崇对原产品或技术进行更新换代,而颠覆式技术创新则是对已有科学技术的融入,是由科技创新活动所引发的重大技术范式变革。2003年,Christensen[6]又在《创新者的解答》一书中对颠覆性技术概念进行完善,增加颠覆性创新理念。颠覆性技术概念一经提出,国内外学者便尝试从竞争环境、技术发展、市场需求和技术生态等多个角度对其进行探索。从技术发展角度,颠覆性技术更多是指技术发展本身,美国国防高级研究计划局对颠覆性技术的研究多涉及技术发展本身,如生物技术、网电空间(网络电磁空间)、航天技术、材料技术、制造技术等[7]。
“简单、方便、便宜”是颠覆性技术的早期特征。Christensen[5]认为,新型技术只要比现存技术更可靠便是颠覆性技术;2003年,Christensen[6]对颠覆性概念进行完善,认为颠覆性具有双重属性:一是对现有行业的颠覆;二是对一个行业创新性的维持;Thomond等[8]将颠覆性技术特征定义为新颖性、新兴性、可发展性、颠覆性、延展性;Kenagyz等[9]将颠覆性技术特征定义为简易性、易忽略性、可发展性、易使用性、智能性;于光辉(2021)认为颠覆性技术具有独特性、新颖性、颠覆性特征。
本研究基于以往学者对颠覆性技术特征的研究以及各国情报部门对于颠覆性技术的定义,认为颠覆性技术具有如下特征:①变革性。颠覆性技术研发与应用往往伴随着经济与社会整体性变革,涉及军、工、商、农等多个领域并能重塑多领域格局;②前瞻性。颠覆性技术是对未来技术发展态势的感知,既是对已有技术突破的预知也是对未知领域技术的率先研发;③颠覆性。颠覆性技术是对原有技术体系的猛烈冲击,会改变原有技术体系发展路径;④发展性。颠覆性技术本身具有高延展性,涉及技术本身升级以及与其它技术的交互,能够随人类需求而不断完善;⑤不确定性。既指捕捉颠覆性技术的困难性,也包括颠覆性技术投入与产出的不确定性(苏成等,2021)。
在颠覆性技术众多研究中,颠覆性技术演化与预测始终是研究热点。
Dosi[10]在1982年提出技术演进轨迹理论,认为技术创新是沿着某种特定路径的创新。自此,学者开始尝试使用各种方法描述颠覆性技术演化路径,多采用文献计量法、专家评价法、专利分析法等研究方法。曹春阳等[11]通过比较低端技术与高端技术,对颠覆性技术演变特征予以分析;卢松平[12]根据企业层次识别潜在颠覆性技术选项,为潜在颠覆性技术绘制路线图,通过路线图谱展示颠覆性技术演进过程;苏敬勤等[13]利用专利文献对颠覆性技术创新演化路径进行研究。本研究以专利分析法作为主要研究方法。专利是度量技术发展的重要指标,包含全球 90%以上的专利技术信息[14]。专利分析法常被研发工程师、学者和技术政策制定者使用,专利分析结果可用于描述技术特质及其演进趋势[15]。李乾瑞等(2021)利用专利文献识别颠覆性技术特质;王康等[16]利用科学计量法对专利文献引用变化趋势进行分析,以此识别颠覆性技术演进过程;Yoon等[17]提出一种基于网络的专利分析法,用以研究特定领域专利之间的关系。尽管专利分析法被广泛应用于科技管理研究,但该方法在不同使用情境下存在语义间相关性难以判断、专利挖掘准确性不足等问题。为弥补上述不足,本研究采用潜在狄利克雷分配模型(LDA)对专利文本进行挖掘,并绘制颠覆性技术演进路线图,对其中的前沿技术热点采用后离散方法进行分析,以描述前沿技术发展态势。
学者多采用主观判断和客观推导分析两种研究方法对颠覆性技术进行预测[18]。吴菲菲等[19]使用基于技术研发与基础研究相关联的方法对颠覆性技术进行预测;侯广辉等(2021)利用突变模型对早期颠覆性技术识别与预测进行分析;Lim等[20]使用数据包络分析法对颠覆性技术进行汇总,并对其发展态势进行预测;Gerdsri等[21]将层次分析法应用于颠覆性技术预测研究,并以此绘制颠覆性技术预测路线图。本研究对学者常用研究方法进行梳理发现,多数研究方法缺乏技术之间的关联分析,同时也有少数学者采用复杂网络理论探讨颠覆性技术关联预测。因此,本研究根据颠覆性技术演化路线构建复杂网络结构,以链路预测算法预测潜在关联技术。链路预测是指通过已知网络节点和网络结构信息预测网络中未关联的两个节点产生链接的可能性。复杂网络理论应用于预测研究已经有诸多尝试。如米兰等(2021)通过构建新兴技术网络结构预测技术发展态势;李冰等(2021)基于专利分析结果预测潜在合作伙伴。本研究借鉴这一做法,将专利分析结果作为节点构建颠覆性技术网络结构,并利用链路预测算法对技术关联进行预测。
本文主要分析颠覆性技术整体演化趋势以及前沿技术热点发展态势,并对其潜在关联进行预测,研究框架如图1所示。
图1 研究框架
Fig.1 Research framework
2.2.1 颠覆性技术整体演化趋势
技术演进研究通常被用于对已有技术发展态势的总结与展望。本研究以专利文献作为科技文本进行知识挖掘,并绘制颠覆性技术整体演化路径。目前,常用的专利数据库包括IncoPat、Derwent,本研究选择Derwent专利数据库,并通过设定特定检索词获取所需技术文本。
本研究主要通过主题分析模型LDA对专利文献进行分析,LDA模型可将专利文献中每篇文档主题以概率分布的形式给出,并根据主题聚类相关内容。根据专利发布年份、发布量等指标,将所选专利文本划分为不同阶段,并对不同阶段研究主题进行聚类,最终以可视化形式展示。进一步,绘制颠覆性技术整体演化路径,根据不同年份标注关键技术和衍生技术,同时得到不同技术在专利文献中所占权重。
2.2.2 颠覆性技术前沿技术热点演化
在颠覆性技术发展态势中,前沿技术尤其是近两年技术发展情况对我国科技管理部门政策制定以及技术感知与预测起关键作用。因此,本研究利用LDA主题模型析出技术主题词,利用后离散方法对前沿技术热点演化趋势进行分析。后离散分析法由Griffith等[22]提出,主要通过计算主题词在不同时间段的权重反映不同主题词的重要性。作者假设Dt为文档d在时间窗口t上的集合,即主题z在文档d中出现的概率,时间窗口t上主题z的重要度如式(1)所示。
(1)
本研究以Tf-idf算法计算不同主题词权重,并根据Sun等[23]提出的主题重要度指标,判断不同技术未来发展趋势。作者假设
为主题k在时间窗口t1(前期)内的平均重要度,
为同一个主题k在时间窗口t2(后期)内的平均重要度,如式(2)所示。根据Rk,将技术热点划分为增长型、平缓型、衰退型。当Rk接近于1时,说明各国对技术的关注度变化比较平稳,即平缓型;当Rk明显大于1时,说明技术研究热度在后期呈上升趋势,即增长型;当Rk明显小于1时,说明研究关注度呈衰退趋势,即衰退型。在实证研究中,选取t1为整个时间窗口的前一阶段(2018—2019年),选取t2为整个时间窗口的后一阶段(2021—2022年),0.9≤Rk≤1.1为平缓型技术热点,Rk<0.9为衰退型技术热点,Rk>1.1为上升型技术热点。
(2)
2.2.3 颠覆性技术关联预测分析
本研究基于复杂网络理论对颠覆性技术关联进行预测,以颠覆性技术热点作为复杂网络节点,构建网络结构预测网络中两个节点之间产生链接的可能性[24],这种预测既包含对未知链接的预测,也包含对未来链接的预测。根据节点疏密程度和节点中心度,使用Word2Vec算法对网络结构进行重构。
在复杂网络中,节点是底层要素,选择网络中的关键节点对研究网络拓扑结构以及构建复杂网络具有重要意义[25]。在以往研究中,周丽娜等[26]提出利用邻接结构熵确定超网络关键节点;李冰等(2021)根据专利文献之间的关联度构建复杂网络。基于此,本研究利用领接结构熵原理、聚类主题及主题所属时间维度构建网络拓扑结构,将颠覆性技术领域中的近期研究热点作为邻近节点或核心节点,将以往研究热点作为偏远节点。对于技术节点选择,将已绘制的颠覆性技术整体演化趋势和前沿技术演变趋势作为参考。
本文研究主题为颠覆性技术演化与预测,根据颠覆性技术特征,研究对象需具备变革性、前瞻性、颠覆性、发展性等特质。本研究广泛调研各国开源科技情报、国家科技部门相关文件,最终选取量子信息技术作为研究对象。量子是现代物理的重要概念,量子物理与信息技术相结合诞生了以量子计算、量子通信、量子测量为代表的量子信息技术。全球知名咨询公司高德纳(Gartner)指出,量子信息技术、区块链和人工智能很有可能创造全新的商业模式[27]。中央网络安全和信息化委员会印发的《“十四五”国家信息化规划》明确提出,要建立面向未来的量子信息设施和试验环境,加强量子信息等领域专利培育及知识产权保护,布局探索量子信息技术研究。新一轮量子革命的到来很有可能催生一系列颠覆性技术,量子信息技术具有以下优势:①量子信息技术作为新兴技术领域,各国研究热度持续升温,同时攻关难度较大,具有高投入性和不确定性等特质。同时,量子信息技术具有较强的前瞻性和颠覆性,研究成果涵盖网络、通信、工业等多个领域,能够对传统产业造成颠覆性影响,契合本文研究主题;②量子信息技术作为高交叉、高融合性技术领域,技术热点众多且变化迅速,便于展示整体演化路径以及前沿技术热点演化趋势;③量子信息技术具有较高的包容性,极易与其它技术、行业产生潜在关联,因此挖掘其潜在关联技术符合现实要求。
3.1.1 量子信息技术专利发布现状
专利数据库中的专利文献包括专利名称、专利申请人、申请地和机构等多条信息,因此利用专利数据库能够全面展示量子信息技术在全球范围内的发展态势。本研究以德温特专利数据库中的专利数据作为研究样本,检索量子信息技术专利信息。由数据库可以看出,近年来,量子信息技术在全球范围内处于高热状态,量子信息领域专利发布量持续上升,多数发达国家研究热情持续高涨,并且未来几年专利发布量有可能继续保持上升趋势,专利发布数量增长趋势如图2所示。在量子信息专利申请总量方面,美国专利申请量位居第一,中、德、英、日紧随其后。在确定量子信息技术发展态势后,本研究利用检索词限定、数据预处理等方法获取所需专利信息。
图2 量子信息领域专利发布量与发展趋势
Fig.2 Numbers of patents published and development trends in the field of quantum information
3.1.2 数据集构建与预处理
本研究以“Quantum information”为检索式,在德温特专利数据库中检索2002—2021年公开的量子信息领域专利文献,共得到8 060条数据,通过提取专利名称、摘要等相关信息,完成数据收集。由于专利文献具有较多分类符、机构、申请人名称,且重复词较多,会影响后续技术主题识别,因此本研究对数据集进行预处理,剔除停用词(and、for等)、学术词汇(novelty、use等)以及出现频率虽高但对主题识别没有意义的高频干扰词(quantization等),最终得到7 062条数据。
本研究利用LDA主题模型对2002—2021专利文献主题进行聚类。由于专利文献年份跨度较大,所以根据中国信息通信研究院的研究报告对专利文献进行划分。中国信息通信研究院在2019年发布的《量子信息技术发展与应用报告》指出,2012年之前全球量子计算领域专利申请和授权态势整体比较平稳,专利申请主要来自美国和日本。2012年以后,由于欧美等科技大国开始在量子领域进行大规模投资和研发,量子领域专利申请数量呈现大幅增长。随着量子计算从理论走向现实,全球专利发表量也保持增长态势,尤其是2018年前后,量子领域专利发表数量出现激增。因此,本研究将量子信息技术发展周期划分为平稳期(2002—2011年)、发展期(2012—2017年)、爆发期(2018—2021年)3个阶段。
本研究根据不同周期绘制量子信息技术演化路径,如图3～图5所示。图中横坐标表示年份,线条表示该年份出现的量子技术研究热点。方块大小代表全球对该研究热点的关注度,方块越大表示全球对该技术关注度越高,方块大小取决于该技术关键词在所有专利文献中所占权重。本研究使用TF-IDF算法评估一个字词相对于一个文件集或一个语料库中一份文件的重要程度。3个阶段量子信息技术领域呈现如下演化特征:
图3 平稳期(2002-2011年)量子信息技术主题演化路径
Fig.3 Theme evolution path of quantum information technology in the plateau period (2002—2011)
图4 发展期(2012-2017年)量子信息技术主题演化路径
Fig.4 Theme evolution path of quantum information technology in the development period (2012-2017)
图5 爆发期(2018-2021年)量子信息技术主题演化路径
Fig.5 Theme evolution path of quantum information technology in the outbreak period (2018—2021)
(1)平稳期(2002—2011年):量子信息技术发展相对平缓,主题较为分散,没有突出的主题词。由于人类迈入21世纪,一系列新兴技术的产生使人类对微观世界的理解以及观测调控能力显著提升,世界各国开始关注量子科技,如日本内阁府、文部省、国家信息通信技术研究院等机构陆续发布多项研发计划。这一阶段,各国对量子信息技术领域的研究尚处于探索阶段,相关理论不够完善,专利数量较少,在计算处理能力、信息安全保障、测量精度极限等方面面临瓶颈,距离实用化还有很大一段距离。该时期出现的研究方向主要包括量子通讯(Quantum Communication)、量子光学(Quantum Optics)、编解码(Encoing、Dencoing)、区块链(Block Chain)等。
(2)发展期(2012—2017年):研究领域有所扩展,出现多个较为明显的主题词,同时研究主题呈多样化发展趋势。在该阶段,除平稳期出现的研究方向外,还包括量子点发光二极管(Quantum Dot Light Emitting)、量子线路图(Quantum Circuit Diagram)、量子材料(Quantum Material)等。该阶段各国纷纷加大在量子信息技术领域的布局规划和投资力度。如英国在2014年投资约3.52亿美元建立《国家量子技术规划(一期)》项目,并于2015年正式启动“国家量子技术计划”,建立传感器与计时中心,同年发布《英国量子技术路线图》,覆盖原子钟、量子传感器等7项重要技术;2016年欧盟投资约11.12亿美元成立《“量子宣言”旗舰计划》。在该阶段,量子信息技术研究与应用成为全人类科技探索和关注焦点之一,并开展了分领域、分阶段研究,因此专利数量显著增长。
(3)爆发期(2018—2021年):技术主题更加鲜明,研究热点日趋稳定。美国在2018年颁布《国家量子行动计划》,2018—2021年量子领域投资不断加大,同期美国能源部还宣布建设由其下属国家实验室牵头的五大联合研究中心,用以开展量子信息科学研究、应用、产业标准协调与合作。此阶段研究热点包括量子通信网络(Quantum Communication Network)、量子点技术(Quantum Dots)、量子计算机(Quantum Computer)、量子点(Quantum Dot)等领域。同时,还出现新的研究热点,如量子比特(Quantum Bit)、量子泵(Ion Trap)等,量子信息网络逐步成为量子科技领域探索的前沿。
量子信息技术是高融合、高交叉的新兴技术,底层技术众多,新兴研究热点产生迅速,为探讨量子信息领域前沿发展态势,对爆发期(2018—2021年)量子信息技术发展态势进行分析。由于该阶段时间跨度较大,因此本研究利用后离散方法,选取t1为整个时间窗口的前一阶段(2018—2019年),选取t2为整个时间窗口的后一阶段(2021—2022年).根据LDA主题模型得到的技术热点,利用Tf-idf算法计算技术热点在两个阶段的不同权重。2018—2021年部分技术热点权重如表1所示。
表1 2018—2021年量子信息部分技术热点权重
Tab.1 Some technology hot spots and weights of quantum information technology from 2018—2021
2018—2021年技术热点2018—2019年权重2020—2021年权重Block0.0250.021Quantum Communication0.0160.025Quantum Simulation0.0130.017Quantum Compilation0.0210.023Quantum Systems0.0170.018Quantum Imaging0.0240.015Quantum Network0.0180.021Quantum Sensing0.0170.024Ion Trap0.0230.015Quantum Volume0.0090.013Quantum Diagram0.0220.016Quantum Invisible Transfer0.0070.006Superconductivity0.0180.012Quantum Encryption0.0140.015Quantum Key0.0130.016Others……
本研究对上述技术热点趋势进行分析,根据式(2)将技术热点归为3类:平缓型技术热点、新兴型技术热点和衰退型技术热点,如表2所示(技术热点省略Quantum)。由表3可知,在t1与t2时间段内,量子信息领域研究热点发生较大变化,如量子模拟、量子通信成为上升型研究热点。在中信所研究报告中,量子计算、量子通信与量子测量均为2020年、2021年的主要研究方向。同时,区块链、超导成为衰退型技术热点。主要是因为这些技术领域存在较高壁垒,短期难以突破,因此专利量上升幅度不大。在平缓性技术主题中,量子系统、量子加密技术始终是研究热点。
表2 2018-2021年量子信息领域技术研究趋势
Tab.2 Technology research trend analysis in the field of quantum information from 2018-2021
上升型技术 (Rk>1.1)技术主题Rk平缓型技术 (0.9≤Rk≤1.1)技术主题Rk衰退型技术(Rk<0.9)技术主题RkCommunication1.56Compilation1.1Invisible Transfer0.86Volume1.44Systems1.09Block0.84Sensing1.4Encryption1.07Diagram0.73Simulation1.31Superconductivity0.67Quantum Key1.23Ion Trap0.65Imaging0.63Others…Others…Others…
表3 量子计算机相似度计算结果
Tab.3 Quantum computer similarity statistics
相关技术相似度Quantum Optics0.881Quantum Communication Network0.852Quantum Dots0.811Ion Trap0.795Encryption0.791Quantum Photon0.759Superconductivity0.658Quantum Circuit0.645Quantum Material0.636
3.4.1 底层逻辑
首先,根据量子信息技术整体演化路径选择复杂网络中的关键节点,以专利发布年限和发布量作为阶数构建复杂网络结构,采用算法对其微调、重构并对预测结果进行补充。对于最终得到的复杂网络结构,主要采用链路预测相关指标对颠覆性技术进行预测。
3.4.2 复杂网络构建
以量子计算机(Quantum Computer)为例,量子计算机技术在2020年专利申请量较大,故以其为核心节点,以2020年与量子计算机相关联的技术为一阶路径节点,以2019年、2021年与量子计算机(Quantum Computer)相关的底层技术与新兴技术为二阶路径节点,这些节点与量子计算机技术本身存在直接关联,因此节点间存在边连接。而由二阶路径节点引发的关联节点为三阶路径节点,三阶路径节点与量子计算机(Quantum Computer)不存在节边关联,如图6所示。可以看出,量子计算机节点位于网络结构中间位置,解码编码技术、区块链技术、量子点技术是与之产生直接边关联的节点,而量子光谱、量子通讯则是与之产生间接边关联的节点。因此,可不断调整和关联与之关系较远的节点,并对节点中未产生边关联的节点链路进行预测。
图6 量子技术复杂网络结构
Fig.6 Construction of complex network structure
3.4.3 网络结构重构
本文构建量子技术复杂网络结构(见图6),得到2020年前后以量子计算机为核心节点的技术网络。如果以近20年技术演化路径作为复杂网络结构节点,会存在节点密度大、网络结构复杂等问题。因此,本研究保留爆发期(2018—2021年)的技术节点。一方面,该阶段专利申请量大、数量多,可以得到较为全面地预测结果;另一方面,2018—2021年专利申请时期较为临近,得到的预测结果也较为前沿。同时,本研究利用词向量训练对2018年之前的技术节点相似度进行分析,将相似度较高的节点予以保留,提高技术预测不确定性,根据相似性结果对照链路预测结果,以提高技术预测的准确性和全面性。首先,将预处理专利文献数据集作为训练的中文语料库,之后使用gensim中的word2vec方法训练中文语料,将词向量维度设置为100,词向量间距离设置为5,HS值设置为1,计算词向量的最小词频为1,以此为基础进行词向量训练。其次,将量子计算机作为关键词,利用word2vec方法对专利文献中与量子计算机相关的词语相似度进行匹配。为保证数据准确性,对量子计算机和量子通讯相似性进行匹配,得到数据为0.856,可见两者在语料中关联程度较高,经过多次训练测试,数据比较准确,以此确定词向量训练结果具有一定说服力。最后,对量子计算机在2018年之前的技术节点相似性进行分析,数据结果如表3所示,并将这些节点作为重构后的复杂网络节点。
进一步,根据图6构建的复杂网络结构,结合表3相似度分析结果,对复杂网络结构进行二次重构,减少节点数量以进行简便运算,并求出二阶路径、三阶路径和四阶路径,重新建构的网络结构如图7所示。
图7 减少技术节点后的量子技术网络结构
Fig.7 Network structure after reducing technology nodes
3.4.4 量子信息技术关联预测
本文根据已构建的复杂网络结构,利用链路预测相关方法对量子信息技术热点进行潜在关联预测。链路预测是对复杂网络的边进行预测,即分析原本不相连的两个节点是否存在潜在边相连。在众多链路预测指标中,本研究选择Kata相似度指标对技术节点间的相似性进行识别和预测,Kata指标运算的关键在于节点和路径分析[28],路径阶数以CNxy表示,如式(3)所示。
CNxy=|N(x)∩N(y)|
(3)
式(3)中,CNxy表示两个技术节点间的路径数,如Quantum Computer(量子计算机)与Encryption (加密技术)之间为一阶路径,Quantum Computer(量子计算机)与Block Chain (区块链)之间为二阶路径、Quantum Imaging(量子成像)与Block Chain (区块链)之间为三阶路径。对不同路径阶数设置不同权重,三阶路径权重α设置为0.2,四阶路径β权重设置为0.4,五阶路径γ权重设置为0.5,对于超过五阶路径的节点权重,在四阶路径的基础上进行累加,得到式(4)。
Sxy=pxy(1)+αpxy(2)+βpxy(3)+γpxy(4)
(4)
对于重构后的网络结构,以Encryption、Quantum Communication Network、Quantum Dots、Ion Trap、Quantum Computer、Quantum Imagine、Superconductivity、Block Chain、Quantum Teleportation、Quantum Detection、Parameterized Quantum Circuit、Pulse为节点1～12依次排列,对其路径数进行汇总,如表4所示。本文利用Kata指标计算节点1,即Encryption节点与其它技术节点之间的相似性。
表4 节点相似度指标
Tab.4 Node similarity indicators
节点123456789101112二阶路径数021101101101三阶路径数011111012120四阶路径数000211010111五阶路径数001101.510052.51相似性指标02.21.72.10.62.351.50.61.42.852.051.9
根据Kata指标相似性计算,发现节点Encryption 与 Quantum Communication Network、Quantum Imagine、Parameterized Quantum Circuit、Quantum Detection等技术密切关联。对比Word2vec的结果,Encryption与Quantum Communication Network同样在语义上具有高度相似性。对于该结果,本研究再次利用Adamic-Adar系数对相似性结果进行验证,Adamic-Adar系数[29]在复杂网络结构中是以节点密度大小凸显节点重要性的一种验证方式。计算Encryption 与 Quantum Communication Network在网络结构中的权重,节点占度越小,说明该节点在共同邻居中所占权重越大,对共同邻居的影响作用也就越显著。经计算,Encryption 和 Quantum Communication Network的AA值为0.793 54,同样具有一定相似性。因此,本研究认为在复杂网络结构中,Encryption 与 Quantum Communication Network极有可能产生边连接,在量子信息发展领域Encryption 与 Quantum Communication Network的关联发展成为一种趋势。同样,Encryption 与 Quantum Imagine、Parameterized Quantum Circuit、Quantum Detection在复杂网络结构中存在未知边连接的可能性。就Encryption 与 Quantum Communication network而言,本研究对其未来发展趋势进行调研发现,日本总务省为实现新一代“量子通信加密”技术正在努力。在欧美地区,北约网络安全中心(NCSC)也因为量子攻击问题而加强量子加密算法与量子通信网络研究。综上所述,量子通信网络与量子加密算法成为未来重要发展趋势。
中共十九大报告提出:“突出关键共性技术、前沿引领技术、现代工程技术、颠覆性技术创新,为建设科技强国、质量强国、航天强国、网络强国、交通强国、数字中国、智慧社会提供有力支撑。”为实现高水平颠覆性技术领域攻关以及高水平科技自立自强,本文利用专利分析法和复杂网络理论对颠覆性技术进行分析与预测。根据研究结果,提出以下几点政策建议:
(1)颠覆性技术演化分析是实现技术预测的前提和基础。颠覆性技术具有预兆性、不确定性、发展性等特征,要实现技术预测必须从宏观和微观视角出发,掌握技术发展整体态势。从宏观视角出发,要准确描述各国对颠覆性技术的认知和理解,判断技术发展脉络和整体趋向,从整体上把控技术投入和研发。从微观角度出发,要对颠覆性技术创新角度、创新点有所感知,对于新出现的技术热点,如量子模拟、量子通信技术等,政府应给予充足的资金支持,建立完善的新兴产业科技支撑机制,对依靠新兴技术建立的初创企业给予政策倾斜,如提供低息贷款服务,解决资金问题,合理配置各类资源,形成区域战略性新兴产业链,为新兴技术发展提供支撑。
(2)颠覆性技术关联预测是占据科技高地、实现颠覆性技术突破的关键。本研究利用复杂网络理论进行技术预测,发现未来新兴技术可能是多项关联技术的融合,因此要对潜在关联技术有所预知,加强技术关联弱信号感知。通过关联技术研发与预测,以点到线,连线成面,形成由关联技术辐射的技术群落,从而实现颠覆性技术创新,进而占据未来科研高地。
(3)准确识别颠覆性技术不同热点发展态势。颠覆性技术是由诸多技术点贯通而成的技术领域,不同技术点研发趋势不同。在实验过程中,量子信息技术领域被划分为平缓型、衰退型、上升型3类技术热点,对于衰退型技术热点,本文认为应建立知识联盟,激发衰退型技术热点潜力。衰退型技术一般短期内难以突破,导致研究迟缓,如区块链技术,但其蕴含着巨大潜力。对于这类技术,应该建立军政产学研联盟,形成多主体、多路径、多模式知识生态系统,促进各主体间知识流动,让衰退型技术热点重新焕发生机,解决我国目前“卡脖子”难题。对于平缓型技术热点,如量子系统、量子加密技术,应将其始终作为研究重点,通过制定科学的发展规划,对企业经营管理进行全面分析,让技术深入到组织运营管理全过程。对于上升型技术热点,我国应对技术发展前景进行分析,形成技术前景画像,避免“随波逐流”,陷入科技黑洞。
本文存在以下不足:①专利分析方法虽然能够体现科技前沿成果,但部分领域难以攻关导致相关专利数量较少,因此分析效果不够精确,这是专利分析的主要缺陷;②利用word2vec方法对节点相似性进行描述,但word2vec本身存在语料库不够大、难以处理一词多义等问题。因此,未来需要尝试更加合理的节点选择方法,搭建更完善的复杂网络结构,提高颠覆性技术预测结果的准确性。未来应选择在关键技术节点或年份引入专家调查法,将机器智慧与专家智慧相结合,根据节点权重,利用社会网络分析法对研究结果进行多维度验证。
[1] 李乾瑞,郭俊芳,黄颖,等.基于突变—融合视角的颠覆性技术主题演化研究[J].科学学研究,2021,39(12):2129-2139.
[2] 刘志辉,张均胜,林毅,等.基于隐性知识的潜在颠覆性技术评估方法研究[J].情报学报,2021,40(12):1271-1278.
[3] BOWER J L,CHRISTENSEN C M.Disruptive technologies:catching the wave[J].Harvard Business Review,1995,73(1):43-53.
[4] CHRISTENSEN C M.The innovator's dilemma:when new technologies cause great firms to fail[M].Boston:Harvard Business School Press,1997.
[5] CHRISTENSEN C M,RAYNOR M E.The innovator's solution:creating and sustaining successful growth[M].Boston:Harvard Business School Press,2003.
[6] CHRISTENSEN C M,ANTHONY S D,ROTH E A.Seeing what's next:using the theories of innovation to predict industry change[M].Boston:Harvard Business School Press,2004:4.
[7] 王安,孙棕檀,沈艳波,等.国外颠覆性技术识别方法浅析[J].中国工程科学,2017,19(5):79-84.
[8] THOMOND P,LETTICE F.Disruptive innovation explored:9th ipse international conference on concurrent engineering[J].Research and Applications,2002,55(7):27-31.
[9] KENAGY J W,CHRISTENSEN C M.Disruptive innovation:a new diagnosis for health care′s "financial flu"[J].Healthcare Financial Management,2002,56(6):62-66.
[10] DOSI G.Technological paradigms and technological trajectories:asuggested interpretation of the determinants and directions of technical change[J].Research Policy,1982,11:147-162.
[11] 曹阳春,张光宇,戴海闻,等.基于跨案例研究的颠覆性技术演进特征分析[J].科技进步与对策,2022,39(3):1-10.
[12] 卢光松,卢平.企业颠覆性技术路线图制定研究[J].科技进步与对策,2011,28(11):81-86.
[13] 苏敬勤,刘建华,王智琦,等.颠覆性技术的演化轨迹及早期识别——以智能手机等技术为例[J].科研管理,2016,37(3):13-20.
[14] SIEVERT C,SHIRLEY K E.LDAvis:a method for visualizing and interpreting topics[C].Proceedings of the Workshop on Interactive Language Learning,Visualization,and Interfaces,2014:63-70.
[15] PACI R,SASSU A,USAI S.International patenting and national technological specialization[J].Technovation,1997,17:25-38.
[16] 王康,陈悦,王玉奇,等.基于专利引用变化的颠覆性技术识别研究[J].情报杂志,2022,41(1):74-80,169.
[17] YOON B,PARK Y.A text-mining-based patent network:analytical tool for high-technology trend[J].The Journal of High Technology Management Research,2004,15:37-50.
[18] 王雅薇,周源,陈璐怡.基于专利分析的我国颠覆性技术创新演化路径研究——以纳米技术创新为例[J].科技管理研究,2020,40(1):124-131.
[19] 吴菲菲,李一苇,苗红.基于技术研发与基础研究关联的中国重点技术领域前沿主题预测[J].情报杂志,2022,41(1):60-66.
[20] LIM D J,ANDERSON T.Technology trajectory mapping using data envelopment analysis:the exante use of disruptive innovation theory on flat panel technologies[J].R&D Management,2016,46(5):815-830.
[21] GERDSRI N,KOCAOGLU D F.Applying the analytic hierarchy process(AHP) to build a strategic framework for technology road mapping[J].Mathematical and Computer Modelling,2007,46(7-8):1071-1080.
[22] GRIFFITHS T L,STEYVERS M.Finding scientific topics[J].Proceedings of the National Academy of Sciences,2004,101(1):5228-5235.
[23] SUN L,YIN Y.Discovering themes and trends in transportation research using topic modeling[J].Transportation Research Part C:Emerging Technologies,2017,77:49-66.
[24] 吕琳媛.复杂网络链路预测[J].电子科技大学学报,2010,39(5):651-661.
[25] 马满福,郭晨彪,李勇,等.基于结构熵的注意力流网络异构性研究[J].计算机工程与应用,2021,57(23):98-105.
[26] 周丽娜,常笑,胡枫.利用邻接结构熵确定超网络关键节点[J/OL].计算机工程与应用:1-10[2022-01-19].http://kns.cnki.net/kcms/detail/11.2127.TP.20210721.1535.004.html.
[27] CEARLEY D,BURKE B.Top 10 strategic technology trends for 2019[EB/0L].[2022-01-23].https//vectorusa.com/wp-content/uploads/2019/03/Gartner-trendpredic tions-ebook-19.pdf.
[28] 刘宏鲲,吕琳媛,周涛.利用链路预测推断网络演化机制[J].中国科学:物理学力学天文学,2011,9(7):816-823.
[29] 吕琳媛.复杂网络链路预测[J].电子科技大学学报,2010,26(5):651-661.