本刊综合

科技创新已经成为推动经济社会发展的主要力量，新一轮科技革命和产业变革的重大历史机遇期，要求我们始终以全球视野科学研判好科技创新发展的趋势，抢占科技发展先机。

那么，新兴的科研热点在哪儿？科技创新发展有着怎样的趋势？科学领域间有什么内在联系？世界主要国家在不同研究领域的活跃程度怎样？

近日，中国科学院科技战略咨询研究院发布的《科学结构图谱2021》给出了答案，揭示了全球科学发展态势以及中国与世界主要国家的研究格局。具体而言，中国科学院科技战略咨询研究院研究员王小梅介绍，报告显示，科学研究结构的布局总体稳定。科学研究领域数量持续扩大，科学研究前沿不断延伸，新兴研究领域不断涌现，学科交叉融合的现象越来越明显。

通过对比分析2012—2017年和2010—2015年的科学结构图，研究人员发现，科学研究结构在总体稳定的同时，也出现了一些新变化。

“目标导向的基础研究与应用研发结合更加紧密，应用性牵引趋势明显，传统意义上的基础研究、应用研究的边界日趋模糊。”王小梅说。

研究人员发现，科学研究与工程结合并逐渐向应用转化的研究问题越来越多，如从催化到氢能、页岩气、热能等新能源的研究，从柔性材料到可穿戴设备，环境与健康结合形成“环境治理”群组，3D、4D 打印技术以及智能电网、智慧城市快速发展，基础医学研究更多地与临床研究结合解决人类健康问题等。

研究中，科研人员也发现了一些新的聚焦群组，比如同天文学与粒子物理相关的“理论物理”，从催化基础研究逐步发展到应用研究的“先进能源”，与纳米生命科学相关的“有机聚合物材料”，與机器学习相关的“深度学习”，气候变化研究中出现了更多和极端气候变化相关的研究，以及“页岩气”“化学生物的药物研究”“物种保护”“肿瘤免疫治疗”“肿瘤基因突变与靶向治疗”“新发病毒传染病”“药物滥用”“文献计量与期刊研究”等。

“在‘科学结构2012—2017中，出现了97个新兴热点研究领域。”王小梅介绍，热点研究领域在医学、生物科学和交叉学科分布较集中，分别有26个、13个和11个。两个最大的新兴热点研究领域分别是“寨卡病毒”和“黑色素瘤治疗”，分别包含125篇和64篇论文，发现新病毒以及新疗法（技术）的出现是形成新研究领域的主因。

中国表现如何？

王小梅介绍，研究显示，中国在世界热点研究领域中的科研发展迅猛。“中国的核心论文份额稳居世界第二位，较上一期增长2.6个百分点，增幅为23%。中国的核心论文份额接近世界排名第三的英国的2倍。”王小梅说，“除澳大利亚外，同期传统科技强国整体核心论文份额呈下降趋势，德国、日本的核心论文份额降幅超过10%。”

研究也显示，中国的研究领域覆盖率从世界排名第五位上升到第四位，且覆盖率呈现显著上升趋势。但同时也要看到，中国仍在28%的研究领域没有发表论文。

研究发现，中国科研优势领域逐步稳固，与美国形成了明显互补关系。王小梅介绍：“中国优势领域涵盖纳米科技、计算机与工程、环境治理等，但在医学、社会科学、经济与商业、生物科学四个大类中所占份额相对较少。而美国在生命科学、医学与环境生态学相关学科交叉研究中占据主导地位。”但值得注意的是，在对技术创新有影响的研究领域，中国表现突出的研究领域中美国核心论文份额依旧占比很大;而在美国占优势的医学和生命科学领域，中国鲜有论文被引用。

学科交叉点通常是科学新的生长点，最后可能导致科学发生革命性变化。《科学结构图谱2021》对交叉学科的情况也进行了分析。

研究人员界定，如果研究领域中一个学科的核心论文比例小于60%，该研究领域就属于交叉学科。对研究领域的学科交叉性进行分析后，他们发现，纳米科技及环境与生态领域的交叉度最高，其次是与智能决策和智能控制相关的研究。而临床医学与生物科学的学科交叉研究领域相对较少;天文学与物理学研究大类中的学科交叉研究领域最少。

王小梅介绍，纳米科技及环境与生态领域中的交叉学科包括“钙钛矿材料与器件”“纳米材料”“纳米催化”“储能材料与器件”“纳米生命科学”“环境治理”“生态学”“低碳经济”等，智能决策和智能控制相关的交叉学科包括“无线通信与人工智能”“系统与控制”在内的部分研究等，临床医学与生物科学的学科交叉研究领域主要集中在“肠道微生物”“传染病”“社会医学”“孤独症”“肿瘤基因”等。

研究发现，在学科交叉研究领域，美国和中国是表现最好的两个国家，中国在与人工智能相关的工程技术领域、环境治理以及纳米科技相关学科的交叉研究中实力较强。而美国在生命科学、医学与环境生态学相关学科交叉研究中占据主导地位。

据悉，从2007年起，中国科学院科技战略咨询研究院就开始周期性监测科学研究结构及其演变规律，此次是继2009年、2012年、2015年、2017年之后第五次发布科学结构图谱。中国科学院科技战略咨询研究院副院长张凤表示，新发布的科学结构图谱，在研究方法上做了改进，使用深度学习算法改进原有的网络聚类及可视化算法，支持更大量的数据分析。从结果看，聚类更加均匀、准确，揭示的科学结构更为细致，并在可视化细节揭示上也有较大改进。