基于數據挖掘的前沿技術識別方法與實證研究

摘 要：

依據前沿技術的前瞻性、先導性、探索性及顛覆性特征，構建基于數據挖掘的前沿技術識別方法，可為高效制定技術發展策略、合理調整技術規劃布局提供支撐。首先，以工程索引 （engineering index， EI）和德溫特創新 （Derwent innovation， DI） 平臺數據庫為數據源，制定檢索表達式采集數據，并對數據進行預處理。其次，建立表征前沿技術特征的指標體系，并對據此篩選出的技術文本數據進行挖掘，識別前沿技術主題。最后，以量子計算領域為例開展實證研究，識別出量子糾錯技術、光量子芯片技術等前沿技術點，經技術專家等驗證，表明識別結果科學有效。

關鍵詞：

數據挖掘; 技術識別; 前沿技術

中圖分類號：

F 204

文獻標志碼： A""" DOI：10.12305/j.issn.1001-506X.2024.09.20

Frontier technology identification method and empirical research based on data mining

MIAO Hong1， LIAN Jiaxin1， LI Weiwei2， GENG Guotong3，*， WANG Haotong1， ZHANG Huizhao1， WU Feifei1

（1. College of Economics and Management， Beijing University of Technology， Beijing 100124， China;

2. National Innovation Institute of Defense Technology， Academy of Military Science， Beijing 100071， China;

3. Center for Information Research， Academy of Military Sciences， Beijing 100011， China）

Abstract：

Based on the forward-looking， pioneering， exploratory， and disruptive characteristics of frontier technologies， a method of frontier technology identification based on data mining is constructed to provide support for efficient formulation of technology development strategies and rational adjustment of technology planning and layout. Firstly， data is collected and processed from the engineering index （EI） and Derwent innovation （DI） platform databases as a data source by formulating retrieval expressions. Secondly， the index system representing the characteristics of frontier technology is established， and the selected technical text data is mined to identify the frontier technology topics. Finally， empirical research is conducted in the field of quantum computing as an example， identifying frontier technology topics such as quantum error correction and optical quantum chips. This verification is confirmed by expert review and other methods， making identifying issues scientifically and practically applicable.

Keywords：

data mining; technology identification; frontier technology

0 引 言

前沿技術是指高技術領域中具有前瞻性、先導性和探索性的重大技術，是未來高技術更新換代和新興產業發展的重要基礎，是國家高技術創新能力的綜合體現［1］。積極發展前沿技術，有助于帶動經濟［2］及各領域的科學技術［3］、公司戰略管理模式［4］等的發展進步，以搶占未來戰略競爭制高點和競爭博弈主動權。在數據智能驅動及新興技術不斷涌現的背景下，前沿技術的形成過程、擴散速度及應用范圍加速變化，亟需開展前瞻性識別預見，見之于未萌、識之于未發［5-6］。開展前沿技術預見研究，有助于看清未來技術方向、識別迷霧陷阱，對制定技術發展策略、調整技術規劃布局、有效應對技術突襲具有重要意義。

現有的前沿技術識別方法主要包括基于專家知識的主觀識別和基于數據分析的客觀識別方法?；趯＜抑R的主觀識別方法依托專家經驗與知識儲備，運用定性分析方法識別前沿技術。例如，上海交通大學與《Science》期刊面向科學家、學生、社會征集國際前沿、全球共需、科學發展相關問題，聚焦前瞻重大科學問題，通過咨詢專家建議發布《125個科學問題：探索與發現》，為前沿技術發展指明方向［7］?；跀祿治龅目陀^識別方法主要包括文獻計量法、專利計量分析法、文本挖掘法、多指標識別法、機器學習法等。文獻計量法是識別前沿中常用的方法之一，其中引文分析方法最為常用。Prabhaa等［8］運用聚類分析和引文網絡追蹤知識傳播、主要里程碑和新興研究前沿，將主要進化路徑可視化。Ahmed等［9］運用文獻計量法中的突現強度分析確定研究前沿，運用共被引分析建立知識集群，確定國家、期刊、機構和學科領域的主要貢獻力量，建立知識集群。Rehman等［10］運用CiteSpace進行文獻計量分析，基于編制得到的最具影響力的關鍵詞，得到研究前沿

。專利計量分析法對專利數據進行計量分析，為識別研究前沿、預測趨勢提供參考。Choi等［11］基于專家意見和專利信息，發現新興技術主題。文本挖掘法依據文本數據獲取有價值的信息，進而識別前沿技術。Garechana等［12］運用潛在狄利克雷分布 （latent Dirichlet allocation， LDA），識別并動態表征投入實踐的實際技術解決方案的主要前沿技術。多指標識別法基于多維指標以全面客觀識別前沿技術。Park等［13］依據論文和專利信息，運用聚類算法及確立多維指標來識別和分析研究前沿。機器學習方法使用數據、統計方法和算法來執行分類、預測或聚類，有效識別前沿技術［14］。李欣等［15］基于機器學習提出研究前沿識別模型，運用聚類分析法識別出研究前沿主題，展開前沿研究。

從現有的識別方法看，研究機構及學者依據前沿技術的不同內涵開展了識別研究。《國家中長期科學和技術發展規劃綱要》中指出了前沿技術的前瞻性、先導性、探索性特征［1］。袁建霞等［16］認為科技前沿方向通常是指重要科技領域中具有前瞻性、先導性、探索性及潛在顛覆性的重大理論和技術方向。本文參考以上對前沿技術的界定，經梳理發現對前沿技術進行識別的研究仍存在以下不足：一是現有研究主要是從技術發展的時間角度進行前沿定義［17］，缺乏基于對前瞻性、先導性、探索性的深入剖析，導致目前尚未能從其特征入手構建指標體系，識別結果難以凸顯前沿技術的內涵;二是前沿技術識別指標體系結構尚不完善，由于前沿技術的識別具有明確的問題導向，識別的結果通常服務于長遠的科技規劃、戰略布局，未將“顛覆性”技術特征引用到指標體系構建中，可能會使前沿技術的布局者因為技術軌道變更失去先行優勢;三是現有前沿技術識別方法中，對前沿技術發展所處技術生命周期階段的判斷缺乏進一步驗證。

本文提出一種基于數據分析并挖掘數據潛在價值的前沿技術識別方法，該方法依據表征前沿技術特征的指標體系篩選文獻數據和專利數據，在此基礎上識別前沿技術主題，并以量子計算領域為例進行實證研究。創新之處體現在：一是深入探討前沿技術的內涵特征，并在此基礎上構建前沿技術識別指標體系;二是關注前沿技術的應用效應，將顛覆性這一特征納入前沿技術識別指標體系;三是基于多視角技術發展規律對技術生命周期判斷進行驗證，以提升識別過程的準確性。

1 基于數據挖掘的前沿技術識別方法

1.1 研究框架

研究框架包括5個核心模塊：一是運用專利數據進行技術主題聚類，對所要研究的技術領域進行子領域劃分，由此形成技術脈絡，明確技術的發展方向。即通過制定檢索策略，在德溫特創新 （Derwent innovation， DI） 數據庫中檢索并篩選清洗專利數據，基于自然語言處理 （natural language processing， NLP） 的全局詞向量表征 （global vectors for word representation， GLoVe）模型和K均值聚類算法 （K-means clustering algorithm， K-means） 得到技術主題，分析并劃分技術子領域。二是依據文獻、專利數據在技術生命周期不同階段的特征規律分析，選擇處于萌芽期或成長期的潛在前沿技術子領域。即在工程索引 （engineering index， EI） 數據庫與DI數據庫中分別確定檢索策略，得到子領域的文獻、專利數據，根據技術生命周期發展階段特征進行計算，排除已經處于成熟期的技術子領域。三是篩選符合前沿技術特征的文獻、專利數據，即基于模塊二的篩選結果，獲取潛在前沿技術子領域的文獻、專利數據，根據前沿技術識別指標體系進行篩選，分別得出符合前瞻性、先導性、探索性、顛覆性前沿技術特征的數據集。四是識別前沿技術主題。鑒于前沿技術可能來源于科學原理的重大發現，也可能來源于技術發展，將模塊三得到的文獻、專利數據進行合并，運用K-means得到技術主題清單。五是驗證識別結果并提出建議。技術路線圖如圖1所示。

ESI （cessential science indicators） 為基本科學指標數據庫，IPC-DWPI （international patent classification-Derwent world patents index） 為國際專利分類號-德溫特世界專利索引數據庫。

1.2 數據獲取與前沿技術識別指標體系構建

1.2.1 數據獲取

學者們基于文獻數據對技術識別展開研究［18］，專利數據中包含豐富的技術細節，常被用來實現技術預測、技術擴散研究等［17］。前沿技術成果會以不同的形式被記錄和分享，最容易獲得的系統性、連續性的知識載體為文獻和專利，本文以EI數據庫、DI數據庫為數據源，參考權威網站、已有研究成果，結合專家論證制定文獻和專利的檢索表達式，進行主題檢索，過濾缺少標題字段和摘要字段的數據，得到文獻、專利數據。

1.2.2 前沿技術識別指標體系構建

1.2.2.1 前沿技術識別指標構建依據

前瞻性、先導性、探索性被視為前沿技術的基本特征，顛覆性則從發揮效應方面考量技術可能帶來的應用價值。因此，本文綜合考慮這4種典型特征作為前沿技術識別的依據，其既具有內在聯系，又具有不同側重，具體闡述如下。

（1） 前瞻性：所遴選的技術代表未來世界前沿科技的發展方向，指處于技術生命周期的萌芽期、成長期，且從事相關研究的關鍵學者、關鍵組織所關注的技術方向。

前瞻性是前沿技術識別的核心指標之一。前沿技術不同于熱點技術。在研究前沿過程中，形成了一些可行性高、參與程度高的途徑或方法即熱點［19］，熱點技術的識別主要是從數量上進行統計，未從產業價值、影響力、新穎性等角度進行研究，缺乏前瞻性［18］。前沿技術強調的是技術的先進、方向引領性特征。依據創新理論和技術擴散理論，在創新主體的引領開拓的內在需求與贏者通吃的外在競爭共同作用下，當前沿技術吸引足夠的關注度后，則成為熱點技術，但熱點技術并非一定具有前沿性特征。

前瞻性反映著技術的階段性特征，即技術不能處于成熟階段，因為處于該階段的技術開拓引領性被協同共生作用替代。除階段性特征外，創新主體的引領能力也影響著技術前沿的形成。頂尖科學家的學識和問題發現能力使其具有高瞻遠矚的眼光，科學家關注前沿領域的研究［20］，已有研究表明全球頂尖科學家創造的研究成果具有前沿性［21］。此外，學術共同體的集體智慧也是識別技術前沿前瞻性的重要依據。技術的先進程度及對未來的引領作用，通過學術同行的共同判斷，其結果的可信性更強。因此，通過基金資助信息使技術的前瞻性得到保證。研究表明，受到各類基金資助的研究成果具有前瞻性、高水平和創新性［22］。

（2） 先導性：所遴選的技術對其他關聯技術具有較強的帶動性，指與多個領域的知識、技術相關聯，并與關聯技術融合發展，產生廣泛影響力的技術方向。

前沿技術不僅要領先，還要對未來有帶動作用，即產生持續廣泛多樣的影響。因此，先導性成為前沿技術識別的第2個關鍵指標。伴隨技術交叉融合發展的趨勢，多學科、多技術領域交叉可能帶來意想不到的新興技術。從知識的視角看，知識的關聯、融合規律及特征可以作為判斷“先導性”的重要依據。為此，可用關聯性和影響力考量前沿技術的先導性。

（3） 探索性：所遴選的技術強調研究主題的新穎性、結果的不確定性、技術路徑的差異性，指研究主題新近出現，研究視角、方法等具有創新性的技術方向。

前沿技術具有占先、新穎的特征［23］，因此探索性成為識別前沿技術的第3個關鍵指標。探索性不僅在時間維度上進行“新”的考量，而且要在主題維度上體現與前不同。因此，可以用新穎性和創新性進行考量。

（4） 顛覆性：所遴選的技術通?？梢孕纬杉夹g軌道躍遷，在功能實現上取代主流技術［24］，指具有突破性、改變市場競爭格局的技術方向。

顛覆性技術具有極強的破壞力［25-26］，使之成為識別前沿技術的第4個關鍵指標。顛覆性創新理論提出后，顛覆性技術的識別成為研究熱點，對于國家戰略決策和創新驅動力發展具有重要意義［27-29］。識別顛覆性技術的方法很多［17，30-34］，但能夠產生顛覆作用的技術應是領域內非依據技術迭代形成的，而且其影響不是局部的或區域的。為此，運用獨創性和潛在價值進行考量。增加一個核心指標不是指標體系中指標數量的變化，而是更能充分反映前沿技術的本質含義，即前沿技術不僅新穎、先進、引領，還要具有創造未來的潛力。

1.2.2.2 前沿技術識別指標測算

指標的合理性對于研究結果的有效性至關重要［35］，通過解構前沿技術的內涵與邏輯，本節旨在選取具有代表性的關鍵指標，確保簡單高效［36］，形成前沿技術識別指標體系，從而對文獻數據和專利數據進行挖掘，獲得前沿技術清單。

（1） 前瞻性

從文獻、專利計量視角，前瞻性可以通過分析技術生命周期曲線擬合確定其所處階段［37］、選擇ESI高被引論文作者的研究文獻［38］、受基金資助的研究文獻［39］進行衡量。技術生命周期階段性體現技術的發展程度，選擇生命周期處于萌芽期、成長期的技術領域，作為具備前瞻性的首要條件。首先，以文獻數據為數據源，對清洗后的數據進行S曲線擬合，綜合技術發展歷程，分析技術發展趨勢，并確定技術生命周期階段。其次，結合技術生命周期理論，基于文獻數據和專利數據分析驗證技術的生命周期階段。即參考已有研究提出的多視角技術發展趨勢預測研究框架［40］，構建技術生命周期發展階段特征驗證表，如表1所示，判斷子領域在技術生命周期中所處的階段。

選擇生命周期處于萌芽期、成長期的技術領域，作為具備前瞻性的首要條件。ESI高被引論文作者的研究文獻可以表征關鍵學者關注的研究方向，體現關鍵學者的預判能力;故將ESI高被引論文作者界定為關鍵學者，基于此在文獻庫中檢索關鍵學者所發表的文獻，作為指標篩選標準。受基金資助的研究文獻可以表征關鍵組織關注的研究方向，體現關鍵組織的預判能力。以文獻數據為數據源，將是否受基金資助作為指標篩選標準。

（2） 先導性

從文獻、專利計量視角，先導性可以通過文獻分類碼數量、IPC數量測量技術關聯領域的廣度，通過文獻被引頻次、權利要求書項數測量技術影響程度。文獻分類碼及IPC-DWPI子類的數量可以表征學科、技術領域的多樣性，體現技術的關聯、融合特征，二者數值越高，技術的關聯廣度越強;故以文獻、專利為數據源，分別計算文獻分類碼數量、專利IPC-DWPI子類數量的平均值，將閾值大于平均值作為指標篩選標準。文獻被引頻次及權利要求書項數體現受到相關主體高度關注并產生作用的程度。文獻被引頻次表征其研究價值、權利要求書項數［41］表征技術保護領域及范圍，二者數值越大，技術引領作用越深遠，具有更高的研究價值、更大的影響力［42-43］。故以文獻數據、專利數據為數據源，分別計算文獻被引頻次、權利要求書項數的平均值，將閾值大于平均值作為指標篩選標準。

（3） 探索性

從文獻、專利計量視角，探索性可以通過計算文獻平均出版時間、專利平均公開時間測度研究主題的新穎性，通過重組創新性指標測算技術的創新程度。文獻出版時間、專利公開時間可以體現研究主題是否為新近出現，越是新出現的研究主題越容易包含新的研究內容，越可能具有新穎性。以文獻數據、專利數據為數據源，計算文獻平均出版時間、專利平均公開時間，將閾值大于平均值作為識別標準。借鑒Verhoeven等［44-45］使用的重組創新性指標進行計算，如下所示：

novelty=NCpCp， NCP≤CP（1）

式中：NCp是專利p自身在其申請年之前從未出現的IPC大組組合數目;Cp是專利p自身的IPC大組組合數目。

將專利進行組合并與申請年之前的IPC大組的組合進行對比，以此衡量創新性。指標得分越高，專利的創新程度越高。同理，對文獻的關鍵詞進行成對組合，如果某種組合在之前的文獻中未出現，說明產生了知識的新組合，具有創新性。

（4） 顛覆性

從專利計量視角，顛覆性可以通過獨創性指標、專利族大小進行測量。衡量科學技術的突破性進展是顛覆性技術的主要動力來源［46］，借鑒經濟合作與發展組織（organization for economic co-operation and development， OECD）［47］和黃魯成等使用的獨創性指標［45］，用專利技術所屬的IPC大組代表技術領域［47］，依據測度引用結構與其自身結構的相似性，衡量專利的獨創程度，如下所示

uniquness=∑npjCTjnp， IPCpj≠IPCp（2）

其中，專利j是專利p的后向引用專利，專利j的IPC表示為IPCpj，專利p的IPC表示為IPCp，CTj為專利j的IPC大組數量（去除與專利p相同的IPC大組）；np代表原始專利p的全部后向引用中IPC大組的數量。專利族大小體現了技術潛在市場價值對主流市場的影響，即以目標專利在不同國家或地區專利申請的數量為計算依據進行指標篩選，如表2所示。

1.3 前沿技術主題識別

1.3.1 基于專利的子領域劃分

首先，提取專利摘要數據。結合權威網站、已有研究、專家論證制定檢索表達式，對專利數據進行去空、去除停用詞、詞形還原等預處理操作后獲取摘要字段，主要包括：第一，去除空值，刪除對后續分析無法提供價值的信息;第二，對文本統一小寫、去除停用詞。數據中存在著高頻出現但是無意義的詞匯，因此需要根據研究需求構建停用詞表，依據停用詞表刪除數據中的停用詞;第三，運用詞形還原對單詞進行歸一化處理操作，篩選清理專利數據后，獲得摘要數據。并利用自然語言處理中的GLoVe模型獲得文本向量。最后，利用K-means對主題詞聚類分析，得到技術主題，根據技術主題劃分子領域。

1.3.2 基于技術發展規律的潛在前沿技術子領域篩選

首先，運用Fisher-pry模型對子領域文獻數據（數據預處理過程同專利）進行擬合，獲得生命周期曲線，確定萌芽期、成長期和成熟期的年份區間。其次，運用技術生命周期發展階段特征驗證表對子領域的文獻數據和專利數據進行統計分析。最后，判斷子領域是否處于萌芽期或成長期。若驗證子領域處于萌芽期或成長期，則保留該子領域;若經過驗證，發現該子領域處于成熟期，則為了滿足前瞻性的首要條件，剔除該子領域，所有子領域均驗證后，得到潛在前沿技術子領域。

1.3.3 基于前沿技術識別指標體系的數據篩選

根據前沿技術識別指標體系，對潛在前沿技術子領域的文獻數據和專利數據進行篩選，經前沿技術指標篩選，分別得到符合指標體系篩選標準的文獻數據集及專利數據集。步驟如下：首先，在ESI中獲取相關領域高被引論文的作者列表，據此得到關鍵學者的文獻;其次，選擇受基金資助信息的研究成果;最后，根據指標體系中指標測算方法進行篩選，獲得滿足前沿技術不同特性的文獻、專利數據集。

1.3.4 識別領域前沿技術主題

對篩選后滿足不同特性的文獻、專利數據進行文本挖掘，識別前沿技術主題。步驟如下：首先，運用輪廓系數法和手肘法確定聚類個數;其次，使用K-means對篩選后的文獻及專利數據進行文本挖掘，獲得技術主題。數據挖掘中的文本挖掘是從語言文本中提取重要信息的過程，包括文本分類、文本聚類、主題建模、信息提取、文本摘要等［48］，可以在有限的時間內探索大量的文本數據，分配有限的資源，以生成易于理解的知識［49］。作為文本挖掘方法的一種，K-means簡單高效，廣泛應用于科學、工業等諸多領域。

1.3.5 識別結果驗證與建議

基于專家觀點、研究進展及趨勢，對識別結果進行驗證。得到聚類結果后，根據詞匯含義，人工查閱文獻、新聞等資料后歸納分析并命名技術主題，結合專家提供的技術點和研究進展進行對比分析，驗證此方法是否具備客觀性和科學性，基于技術主題清單，結合領域發展狀況提出建議。

2 基于數據挖掘的前沿技術實證研究——以量子計算領域為例

量子計算兼具巨大的軍事應用潛力，引起了學術界和工業界的極大興趣［50］，在行業中的應用受到了廣泛關注［51］，作為一項革命性的技術，量子計算可以解決經典計算機不能解決的復雜問題［50］。近來，量子計算機硬件和量子網絡發展迅速［52］，有望顯著提高各領域的計算能力，例如機器學習和復雜的優化問題［53］，在密碼學、藥物研發［54］、機器學習等領域具備應用潛力［55］。

2.1 基于專利的量子計算領域子領域劃分

借鑒qurope.eu網站對量子計算的定義，制定專利檢索表達式為：TAB=（（quantum NEAR5 comput*） or （trapped ADJ ions） or （neutral ADJ atoms） or （cavity ADJ QED） or （spin ADJ qubits） or （all-optical ADJ devices） or （impurity ADJ spins ADJ in ADJ solids） or （single ADJ molecular ADJ magnets）），檢索時間為2022年11月14日，經數據預處理，得到7 752個DWPI同族專利。

對專利數據進行聚類后，根據專利數據的聚類結果及分析，得到超導量子計算、量子加密技術、基于光子的量子計算技術、離子阱量子計算機4個技術子領域。

2.2 基于技術發展規律的量子計算領域子領域篩選

基于4個子領域的文獻檢索情況，運用Fisher-pry模型確定萌芽期、成長期和成熟期的年份范圍，并運用技術生命周期發展階段特征驗證表進行驗證，獲得具備前瞻性首要條件的兩個量子計算子領域，分別是超導量子計算、基于光子的量子計算技術，基于子領域制定檢索表達式，如表3所示。

2.3 基于指標體系的量子計算領域數據篩選

依據前沿技術識別指標體系，對處于技術生命周期成長期的超導量子計算、基于光子的量子計算技術兩個領域的文獻數據和專利數據進行篩選，得到文獻、專利數據集。相關數值計算結果如表4所示。

2.4 量子計算領域前沿技術主題識別

采用“輪廓系數法”和“手肘法”進行兩個子領域聚類數目K值的設定，使用K-means對文檔向量簇進行聚類，劃分技術主題類別，得到量子計算領域的前沿技術主題，清單中包兩個子領域和14個技術主題，如表5所示。

2.5 量子計算領域識別結果分析

2.5.1 超導量子計算領域識別結果分析

超導計算子領域共包括7個主題：低溫制冷技術、超導電路技術、量子糾錯技術、室溫超導技術、超導量子芯片技術、超導探測技術、拓撲超導體。低溫制冷技術為超導量子計算的運行提供了必要的極低溫環境，目前主要設備以能夠為量子計算提供連續超低溫環境的稀釋制冷機為主［55-57］。超導電路技術是一種利用極低溫度下超導材料的特點實現零電阻和零磁阻的電路技術，受到學者的關注和研究［58-60］。量子糾錯技術是量子計算的重要組成部分［61-62］，旨在恢復并保持量子比特的正確狀態，延長量子比特的壽命。室溫超導技術可以提高計算速度，受到廣泛關注［63-65］。超導量子芯片技術的設計和制造是重要的研究方向［66-68］，是一種基于超導材料制造的量子芯片，以超導量子比特為基本運算單元來實現量子計算，具有相干時間長、操作速度快、保真度高等優勢。超導探測技術用于檢測和測量微弱的電磁信號，學者們針對響應性能［69］、運行情況［70］等進行了研究。拓撲超導體是一種新型量子系統［71］，在前沿研究領域獲得高度重視［72-74］。

2.5.2 基于光子的量子計算技術領域識別結果分析

基于光子的量子計算技術子領域共包括7個主題：單光子探測技術、光量子邏輯門、光量子芯片技術、單光子源技術、光量子放大技術、量子降噪技術、量子光子集成電路技術。單光子探測技術靈敏度較高，能夠探測到極微弱的目標信號，其中超導納米線單光子探測器作為主流的光子計數技術［75］，研究進展迅速［76］。光量子邏輯門是固態量子網絡、分布式量子計算機等應用發展的關鍵［77］，有助于量子信息處理領域的發展［78］。光量子芯片技術是利用光學元件和光子器件實現量子信息處理和傳輸集成芯片的技術，具有可擴展性、穩定性和低成本等特點［79］，可以實現高速、高密度和安全的量子信息處理和傳輸。單光子源技術是能夠按需提供任何給定電磁模式的單光子態的技術［80］，作為量子通信的核心技術之一備受學者關注［81］。光量子放大技術在信號處理、量子光學等領域具有應用潛力［82］。量子降噪技術基于有效減少噪聲的途徑提升計算能力，已有研究準確剖析量子噪聲并提出有效的緩解方案［83］。量子光子集成電路技術具有高穩定性等特點，可應用于量子計算等［84］。

2.6 量子計算領域識別結果驗證與建議

基于量子計算領域專家建議和研究進展，及基于新聞數據聚類得到的技術主題對本文的量子計算領域的前沿技術識別結果進行驗證。

一方面，根據與領域專家提出技術清單對比，發現本文識別出的單光子探測技術、光量子芯片技術包含在專家的技術清單中。此外，在專家提供的技術點中并未出現拓撲超導體技術主題，但拓撲超導體作為目前構成拓撲量子計算可能的系統之一在持續探索中，基于前沿技術識別得到的技術主題為專家的建議提供了補充。另一方面，根據研究進展及趨勢，發現部分研究主題包含于本文的識別結果中。比如，2023年12月，哈佛大學團隊研究的量子計算新平臺能夠動態重新配置，并在雙量子比特糾纏門中顯示出較低的錯誤率，標志著向可擴展的糾錯量子計算邁出了關鍵一步。另外，本文識別出的超導電路技術、超導量子芯片技術包含在基于新聞數據聚類得到的技術主題中。因此，實證研究驗證本文所構建的前沿技術識別模型的科學性和可行性，該方法的識別結果也可為專家觀點提供信息補充。

基于研究結果得到促進量子計算發展的建議：第一，部署量子計算研究規劃。符合前沿技術特征的兩個子領域具有廣泛的應用前景，部署量子計算研究規劃和制定戰略方針對量子計算的發展具有重要意義。第二，組建交叉學科研究團隊。領域間的研究內容既有獨特性，又有聯系性，兩個子領域之間的密切聯系和相互依賴是推動量子計算發展和實現應用的重要因素，組建交叉學科研究團隊、實現優勢互補是突破量子計算技術瓶頸的重要途徑。第三，構建量子計算研究生態。學術界、企業界、政府界合作研究，能夠高效促進量子計算目等方式構建量子計算研究生態，加強溝通與交流，加快量子計算的發展進程。

3 結束語

本文提出基于數據挖掘的前沿技術識別方法，主要貢獻在于：對前沿技術的特征進行了闡釋并據此構建前沿技術識別指標體系;將顛覆性特征引入指標體系中，完善指標體系結構;對技術生命周期判斷進行驗證。運用該識別方法對量子計算領域進行實證研究，獲得14個技術主題，基于實證分析結果，建議部署量子計算研究規劃、組建交叉學科研究團隊、構建量子計算研究生態，提升在量子計算領域的國際競爭力。綜合分析表明，該方法具有科學性和可行性，為前沿技術領域的識別研究提供補充。

本文研究尚存在不足之處：一是目前本文的技術主題清單是基于文獻數據和專利數據合并后識別獲得，未來可以對不同數據源識別主題進行對比分析。二是未來可運用科技報告、新聞、科技政策、項目等多源數據進行技術、經濟、應用場景等多維度分析。

參考文獻

［1］ 中國政府網. 國家中長期科學和技術發展規劃綱要［EB/OL］. ［2023-08-23］. http：∥www.gov.cn/jrzg/2006-02/09/content_183787.htm.

CHINESE GOVERNMENT WEBSITE. National Medium and Long TermScience and Technology Development Plan［EB/OL］. ［2023-08-23］. http：∥www.gov.cn/jrzg/2006-02/09/content_183787.htm.

［2］ XIE T， XU Y， LI Y. Nonlinear relationship between natural resources and economic growth： the role of frontier technology［J］. Resources Policy， 2024， 90： 104831.

［3］ LIU H， WANG S Z， WANG J L， et al. Supercritical hydrothermal synthesis of copper nanoparticles： experimental and kinetic study［J］. Colloids and Surfaces A： Physicochemical and Engineering Aspects， 2024， 680： 132670.

［4］ HUANG X G， YU J B， CUI Y B， et al. Overview of artificial intelligence frontier technology and data retrieval application research in power industry［C］∥Proc.of the 19th International Conference on Natural Computation， Fuzzy Systems and Knowledge Discovery， 2023.

［5］ XU S， HAO L Y， YANG G C， et al. A topic models based framework for detecting and forecasting emerging technologies［J］. Technological Forecasting and Social Change， 2021， 162： 120366.

［6］ KIM G， BAE J. A novel approach to forecast promising technology through patent analysis［J］. Technological Forecasting and Social Change， 2017， 117： 228-237.

［7］ Science. 125 questions： exploration and dis-covery［EB/OL］. ［2023-09-18］. http：∥www.science.org/content/resource/125-questions-exploration-and-discovery.

［8］ PRABHAA S S， BINDU N， MANOJ P， et al. Citation network analysis of plastic electronics： tracing the evolution and emerging research fronts［J］. Materials Today Proceedings， 2020， 33（2）： 1345-1350.

［9］ AHMED A， AZAM A， BHUTTA M M A， et al. Discovering the technology evolution pathways for 3Dprinting （3DP） using bibliometric investigation and emerging applications of 3DP during COVID-19［J］. Cleaner Environmental Systems， 2021， 3： 100042.

［10］ REHMAN A， XING H L， KHAN M A， et al. Emerging technologies for COVID （ET-CoV） detection and diagnosis： recent advancements， applications， challenges， and future perspectives［J］. Biomedical Signal Processing and Control， 2023， 83： 104642.

［11］ CHOI Y， PARK S， LEE S. Identifying emerging technologies to envision a future innovation ecosystem： a machine learning approach to patent data［J］. Scientometrics， 2021， 126： 5431-5476.

［12］ GARECHANA G， RIO-BELVER R，" BILDOSOLA I， et al. A method for the detection and characterization of technology fronts： analysis of the dynamics of technological change in 3D printing technology［J］. Plos One， 2019， 14（1）： e02104411.

［13］ PARK I， YOON B. Identifying promising research frontiers of pattern recognition through bibliometric analysis［J］. Sustainability， 2018， 10（11）： 4055.

［14］ MIAARI A A， ALI H M. Batteries temperature prediction and thermal management using machine learning： an overview［J］. Energy Reports， 2023， 10： 2277-2305.

［15］ 李欣， 溫陽， 黃魯成， 等. 一種基于機器學習的研究前沿識別方法研究［J］. 科研管理， 2021， 42（1）： 20-32.

LI X， WEN Y， HUANG L C， et al. A study of the research front identification method based on machine learning［J］. Science Research Management， 2021， 42（1）： 20-32.

［16］ 袁建霞， 冷伏海， 黃龍光， 等. 科技前沿方向的情報監測分析與綜合研判方法探討［J］. 圖書情報工作， 2022， 66（19）： 92-98.

YUAN J X， LENG F H， HUANG L G， et al. Exploration of intelligence monitoring， analysis and comprehensive study and judgment methods for Samp;T frontier direction［J］. Library and Information Service， 2022， 66（19）： 92-98.

［17］ PUCCETTI G， GIORDANO V， SPADA I， et al. Technology identification from patent texts： a novel named entity recognition method［J］. Technological Forecasting and Social Change， 2023， 186： 122160.

［18］ 周波， 冷伏海. 技術識別研究進展［J］. 情報學進展， 2022， 1： 315-348.

ZHOU B， LENG F H. The research progress of technology identification［J］. Advances in Information Science， 2022， 1： 315-348.

［19］ 潘教峰， 王海霞， 冷伏海， 等. 《2022研究前沿》——11個大學科領域發展趨勢與重點研究問題［J］. 中國科學院院刊， 2023， 38（1）： 154-166.

PAN J F， WANG H X， LENG F H， et al. 2022 Research fronts： development trends and key research questions in 11 broad research areas［J］. Bulletin of Chinese Academy of Sciences， 2023， 38（1）： 154-166.

［20］ YOUNG O R. Effectiveness of international environmental regimes： existing knowledge， cutting-edge themes， and research strategies［J］. Proceedings of the National Academy of Sciences， 2011， 108（50）： 19853-19860.

［21］ 張春博， 丁堃， 劉則淵. 大型工業實驗室基礎研究特征及啟示——基于IBM實驗室的案例研究［J］. 科技進步與對策， 2014， 31（13）： 1-6.

ZHANG C B， DING K， LIU Z Y. Characteristics and inspiration of basic research in large industrial laboratories—a case study based on IBM labs［J］. Science amp; Technology Progress and Policy， 2014， 31（13）： 1-6.

［22］ 李佳. 我國創業教育研究熱點、前沿及其演進探析——以國家社會科學基金和全國教育科學規劃資助項目文獻為例［J］. 創新與創業教育， 2023， 14（2）： 21-31.

LI J. On hot topics， frontiers and evolutions of entrepreneurship education in China-based on research literature funded by the national social science fund and the national education science planning project［J］. Innovation and Entrepreneurship Education， 2023， 14（2）： 21-31.

［23］ 宋凱， 朱彥君. 專利前沿技術主題識別及趨勢預測方法——以人工智能領域為例［J］. 情報雜志， 2021， 40（1）： 33-38.

SONG K， ZHU Y J. Patent frontier technology topic identification and trend prediction： a case analysis of artificial intelligence［J］. Journal of Information， 2021， 40（1）： 33-38.

［24］ KONG Y X， HUANG B Z， WANG Y J， et al. Study on the identification of disruptive technology， evidence from Nano science［C］∥Proc.of the 11th International Conference on Distributed， Ambient and Pervasive Interactions， 2023： 76-90.

［25］ HE Y B， LIN T， ZHANG S. Does complementary technology within an ecosystem affect disruptive innovation？ Evidence from chinese electric vehicle listed firms［J］. Technology in Society， 2023， 74： 102330.

［26］ HOPSTER J. What are socially disruptive technologies？［J］. Technology in Society， 2021， 67： 101750.

［27］ XU X M， LI J C， JIANG J， et al. A disruptive technology identification method based on multisource data： take unmanned aerial vehicle systems as an example［C］∥Proc.of the 7th International Conference on Big Data and Information Analytics， 2021： 428-435.

［28］ LYU L C， WANG X Z， CHEN W， et al. The research on disruptive technology identification based on scientific and technological information mining and expert consultation： a case study on the energy field［C］∥Proc.of the 2nd International Conference on Artificial Intelligence in China， 2021： 469-482.

［29］ CHENG Y， HUANG L C， RAMLOGAN R， et al. Forecasting of potential impacts of disruptive technology in promising technological areas： elaborating the SIRS epidemic model in RFID technology［J］. Technological Forecasting and Social Change， 2017， 117： 170-183.

［30］ RONZHYN A， WIMMER M A， SPITZER V， et al. Using disruptive technologies in government： identification of research and training needs［C］∥Proc.of the International Conference on Electronic Government， 2019： 276-287.

［31］ JIA W F， WANG S， XIE Y P， et al. Disruptive technology identification of intelligent logistics robots in AIoT industry： based on attributes and functions analysis［J］. Systems Research and Behavioral Science， 2022， 39（3）： 557-568.

［32］ MORAVEC J W， MARTLNEZ-BRAVO M C. Global trends in disruptive technological change： social and policy implications for education［J］. On the Horizon， 2023， 31（34）： 147-173.

［33］ JIA W F， XIE Y P， ZHAO Y N， et al. Research on disruptive technology recognition of China’s electronic information and communication industry based on patent influence［J］. Journal of Global Information Management， 2021， 29（2）： 148-165.

［34］ LI X， MA X D. Early identification of potential disruptive technologies using machine learning and text mining［C］∥Proc.of the Portland International Conference on Management of Engineering and Technology， 2023.

［35］ ZHENG L X， WANG W J. Evaluation indicators of space frontier technology based on D-ANP［J］. Journal of Physics： Conference Series， 2023， 2569（1）： 012045.

［36］ 李琳琳， 路云飛， 張壯， 等. 基于信息優勢的指控系統指標體系構建及建模［J］. 系統工程與電子技術， 2018， 40（3）： 577-582.

LI L L， LU Y F， ZHANG Z， et al. System construction and modeling of command and control system index based on information superiority［J］. Systems Engineering and Electronics， 2018， 40（3）： 577-582.

［37］ 高楠， 彭鼎原， 傅俊英， 等. 基于專利IPC分類與文本信息的前沿技術演進分析——以人工智能領域為例［J］. 情報理論與實踐，" 2020， 43（4）： 123-129.

GAO N， PENG D Y， FU J Y， et al. Research on technology fronts prediction based on patent IPC classification and text information—taking the field of artificial intelligence as an example［J］. Information Studies： Theory amp; Application， 2020， 43（4）： 123-129.

［38］ LIAO H C， TANG M， LI Z M， et al. Bibliometric analysis for highly cited papers in operations research and management science from 2008 to 2017 based on Essential Science Indicators［J］. Omega， 2019， 88： 223-236.

［39］ JI B， ZHAO Y Q. Trend and status of the NSFC funded projects for constructed wetlands in the last decade in China［J］. Ecological Engineering， 2023， 194： 107057.

［40］ 黃魯成， 成雨， 吳菲菲， 等. 技術預測與技術預見及其客觀分析方法［J］. 創新與創業管理， 2013， 1： 119-132.

HUANG L C， CHENG Y， WU F F， et al. Technology forecasting， technology foresight and objective analysis method［J］. Management of Innovation and Entrepreneurship， 2013， 1： 119-132.

［41］ WANG H Y， SUN B， WANG P. Dominant technology identification model based on patent information toward sustainable energy development［J］. IEEE Access， 2019， 7： 141374-141385.

［42］ HO Y S. Classic articles on social work field in Social Science Citation Index： a bibliometric analysis［J］. Scientometrics， 2014， 98（1）： 137-155.

［43］ LEVITT J M， THELWALL M. The most highly cited library and information science articles： interdisciplinarity， first authors and citation patterns［J］. Scientometrics， 2009， 78（1）： 45-67.

［44］ VERHOEVEN D， BAKKER J， VEUGELERS R. Measuring technological novelty with patent-based indicators［J］. Research Policy， 2016， 45（3）： 707-723.

［45］ 黃魯成， 蔣林杉， 吳菲菲. 萌芽期顛覆性技術識別研究［J］. 科技進步與對策， 2019，" 36（1）： 10-17.

HUANG L C， JIANG L S， WU F F. The identification of disruptive technology on emerging stage［J］. Science amp; Technology Progress and Policy， 2019， 36（1）： 10-17.

［46］ Committee on forecasting future disruptive technologies（CFFDT）. Persistent forecasting of disruptive technologies［EB/OL］. ［2023-09-18］. http：∥xueshu.baidu.com/usercenter/paper/show？paperid=ae7f0c3f4d489fe8581bc4f94353b467amp;-site=xueshu_se.

［47］ EGLI F， JOHNSTONE N， MENON C. Identifying and inducing breakthrough inventions： an application related to climate change mitigation［R］. Paris： Organisation for Economic Cooperation and Development， 2015.

［48］ JIANG M. Very large language model as a unified methodology of text mining［EB/OL］. ［2023-08-03］. http：∥doi.org/10.48550/arXiv.2212.09271.

［49］ CHOWDHURY S， ALZARRAD A. Applications of text mining in the transportation infrastructure sector： a review［J］. Information， 2023， 14（4）： 201.

［50］ RASOOL U R， AHMAD H F， RAFIQUE W， et al. Quantum computing for healthcare： a review［J］. Future Internet， 2023， 15（3）： 94.

［51］ LU Y， SIGOV A， RATKIN L， et al. Quantum computing and industrial information integration： a review［J］. Journal of Industrial Information Integration， 2023， 35： 100511.

［52］ LOKE S W. From distributed quantum computing to quantum internet computing： an overview［EB/OL］. ［2023-08-03］. http：∥doi.org/10.48550/arXiv.2208.10127.

［53］ STOOΒ V， ULMKE M， GOVAERS F. Quantum computing for applications in data fusion［J］. IEEE Trans.on Aerospace and Electronic Systems， 2023， 59（2）： 2002-2012.

［54］ JERBI D. Revolutionizing computing： a" comprehensive introduction to quantum computing［EB/OL］. ［2023-08-03］. http：∥doi.org/10.36227/techrxiv.22710361.v1.

［55］ GUAN X， FAN J， BIAN Y B， et al. An efficient numerical method for solving the thermodynamic model of silver powder heat exchanger and its applications in the development of dilution refrigerator［EB/OL］. ［2023-08-03］. http：∥ssrn.com/abstract=4691032.

［56］ ZHAI Y J， WU S G， MA D， et al. Development of a cryogen-free dilution refrigerator for superconducting quantum computing［J］. IEEE Trans.on Applied Superconductivity， 2024， 34（3）： 1700105.

［57］ ZHENG M W， LI J G， GUO H W， et al. Dry dilution refrige-rator driven byhigh-power 3he linear compressor［EB/OL］. ［2023-08-03］. http：∥ssrn.com/abstract=4596026.

［58］ LI S， XUE J， CHEN T， et al. High-fidelity geometric quantum gates with short paths on superconducting circuits［J］. Advanced Quantum Technologies， 2021， 4（5）： 2000140.

［59］ ZHU D Q， JAAKO T， HE Q Y， et al. Quantum computing with superconducting circuits in the picosecond regime［J］. Physical Review Applied， 2021， 16： 014024.

［60］ SUBRAMANIAN M， LUPASCU A. Efficient two-qutrit gates in superconducting circuits using parametric coupling［J］. Physical Review A， 2023， 108： 062616.

［61］ GONG M， YUAN X， WANG S Y， et al. Experimental exploration of five-qubit quantum error-correcting code with superconducting qubits［J］. National Science Review， 2022， 9（1）： nwab011.

［62］ GUO Q H， ZHAO Y Y， GRASSL M， et al. Testing a quantum error-correcting code on various platforms［J］. Science Bulletin， 2021， 66（1）： 29-35.

［63］ PICKETT W E. Design for a room-temperature superconductor［J］. Journal of Superconductivity and Novel Magnetism， 2006， 19： 291-297.

［64］ KUMAR K， KARN N K， AWANA V P S. Synthesis of possible room temperature superconductor LK-99： Pb9Cu（PO4）6O［J］. Superconductor Science and Technology， 2023， 36： 10.

［65］ HIRSCH J E. On the ac magnetic susceptibility of a room temperature superconductor： anatomy of a probable scientific fraud［J］. Physica C： Superconductivity and its Applications， 2023， 613： 1354228.

［66］ CAI X， ZHOU B Y， WU Y F， et al. Scaling superconducting quantum chip with highly integratable quantum building blocks［J］. Superconductor Science and Technology， 2023， 36（8）： 085001.

［67］ LIANG C， LI Z Y， ZHANG M F， et al. A superconducting quantum chip architecture design method for quantum programs［C］∥Proc.of the 3rd International Symposium on Computer Technology and Information Science， 2023： 1115-1121.

［68］ DUAN P， CHEN Z F， ZHOU Q， et al. Mitigating crosstalk-induced qubit readout error with shallow-neural-network discrimination［J］. Physical Review Applied， 2021， 16（2）： 024063.

［69］ HORIKAWA J， KAWAKAMI A， HYODO M， et al. Study of midinfrared superconducting detector with phased-array nanoslot antenna［J］. IEEE Trans.on Applied Superconductivity， 2015， 25（3）： 2301005.

［70］ DRYAZGOV M A， KORNEEVA Y P， KORNEEV A A. Electrothermal model of a microstrip superconducting detector with photon number resolution［J］. Bulletin of the Russian Academy of Sciences： Physics， 2022， 86（6）： 678-682.

［71］ CHENG X Y， WANG R， YANG N X， et al. Thermal transport in multiple majorana edge states of hybrid topological superconductor junctions［J］. Solid State Communications， 2023， 369： 115182.

［72］ YANG Y S， TANG G X， YAO C， et al. Possible kondo scattering and its signature in seebeck coefficient in topological superconductor Fe1+yTe0.55Se0.45［J］. Journal of Magnetism and Magnetic Materials， 2022， 564： 170126.

［73］ DENG Y T， HE Y. Exact solutions of topological superconductor model with Hubbard interactions［J］. Physics Letters A， 2021， 397： 127260.

［74］ LARA G A， RAMOS-ANDRADE J P， ZAMBRANO D， et al. Kondo effect in a quantum dot embedded between topological superconductors［J］. Physica E： Low-dimensional Systems and Nanostructures， 2023， 152： 115743.

［75］ HAO Z F， ZOU K， MENG Y， et al. High-performance eight-channel system with fractal superconducting nanowire single-photon detectors［J］. Chip， 2024， 3（2）： 100087.

［76］ HU X L， CHENG Y H， GU C， et al. Superconducting nanowire single-photon detectors： recent progress［J］. Science Bulletin， 2015， 60（23）： 1980-1983.

［77］ KIM H， BOSE R， SHEN T C， et al. A quantum logic gate between a solid-state quantum bit and a photon［J］. Nature Photonics， 2013， 7（5）： 373-377.

［78］ HE L， LIU D N， GAO J X， et al. Super-compact universal quantum logic gates with inverse-designed elements［J］. Science Advances， 2023， 9（21）. DOI： 10.1126/sciadv.adg6685.

［79］ LUO W， CAO L， SHI Y Z， et al. Recent progress in quantum photonic chips for quantum communication and internet［J］. Light： Science amp; Applications， 2023， 12（1）： 175.

［80］ BONETTI J， LINALE N， GROSZ D F. Heralded single-photon sources based on 2D-decorated nanowires［J］. Physics Letters A， 2022， 432： 128018.

［81］ ZHOU X C， ZHANG Z H， GUO W L. Dislocations as single photon sources in two-dimensional semiconductors［J］. Nano Letters， 2020， 20（6）： 4136-4143.

［82］ YE Z C， ZHAO P， TWAYANA K， et al. Overcoming the quantum limit of optical amplification in monolithic waveguides［J］. Science Advances， 2021， 7（38）. DOI： 10.1126/sciadv.abi8150.

［83］ SHAIB A， NAIM M H， FOUDA M E， et al. Efficient noise mitigation technique for quantum computing［J］. Scientific Reports， 2023， 13（1）： 3912.

［84］ XU X Y， REN G H， FELEPPA T， et al. Self-calibrating programmable photonic integrated circuits［J］. Nature Photonics， 2022， 16（8）： 595-602.

作者簡介

苗 紅（1977—），女，副教授，博士，主要研究方向為技術創新管理。

連佳欣（2000—），女，碩士研究生，主要研究方向為技術創新管理。

李偉偉（1992—），男，助理研究員，博士，主要研究方向為前沿科技發展戰略。

耿國桐（1975—），男，研究員，博士，主要研究方向為科技情報與發展戰略。

王浩桐（2000—），女，碩士研究生，主要研究方向為技術創新管理。

張惠釗（1998—），男，碩士研究生，主要研究方向為技術創新管理。

吳菲菲（1962—），女，教授，博士，主要研究方向為技術創新管理。