美国安全与新兴技术中心CSET2024识别研究中的新兴技术报告英文版15页_1mb

这份报告由Center for Security and Emerging Technology团队发布，旨在通过两种创新方法识别与新兴技术相关的科研领域。背景部分指出科学文献分类面临挑战，传统学科划分难以涵盖快速演化的新兴技术领域（如AI），且现有分类工具常依赖静态学科标准，无法有效捕捉跨学科研究动态。团队开发了机器学习模型预测出版物与新兴技术主题（网络安全、大语言模型开发、芯片设计与制造）的相关性，并构建了覆盖L0-L3层级的科研领域评分体系。

第一种解决方案基于文本嵌入与余弦相似度，利用预训练的FastText模型生成领域文本向量，对比科研文献的文本向量以评估相关性。第二种方法采用零样本分类框架，通过Prompt工程指导生成式AI模型（如Gemini 1.5 Flash）完成领域分类。经测试，网络安全相关文献识别准确率达80%（精确度0.8，召回率0.75，F1值0.77），大语言模型领域识别精确度88%（F1值0.93），芯片设计领域召回率73%（F1值0.79）。所有分析基于包含2.6亿篇论文的合并学术语料库，通过Apache Airflow和Apache Beam构建数据处理流程，并采用去重算法确保数据质量。

团队还扩展了领域分类体系，从原Microsoft Academic Graph的19个L0领域（如计算机科学、生物学）细化至1,108个L1-L3领域，重点覆盖人工智能、网络安全、半导体、基因技术等关键技术领域。通过t-SNE可视化技术，发现领域间存在直观聚类（如人工智能与人机交互、计算机安全与网络技术等），验证了分类系统的有效性。最终成果包括公开数据集与交互式分析工具，如Research Almanac、Map of Science、Private-sector AI-Related Activity Tracker（PARAT）和Country Activity Tracker（CAT），为研究者提供新兴技术研究动态的实时监测能力。研究数据来源于OpenAlex、Semantic Scholar等开放平台，所有成果通过GitHub和Zenodo公开共享，支持学术研究与政策分析。