摘要：以量子信息技术为研究对象，基于专利数据构建共现矩阵，利用共现网络分析展示技术发展现状，选取链路预测中预测精度较高的相似性指标来对潜在技术会聚进行预测。研究发现，不同发展阶段的量子信息技术会聚呈现大致稳定、较小波动的情况。量子信息领域技术会聚整体发展较为平稳，技术共现网络结构逐渐稳固，但是在不同技术领域的发展均衡性仍有待提高。基于分析结果，从政府、技术研发和企业3个层面提出量子信息技术发展的建议。
关键词：量子信息，技术会聚，共现网络，链路预测
基金项目：国家社会科学重点项目“新型举国体制下打赢关键核心技术攻坚战的目标、主攻方向与对策研究”（23AZD038）；中央高校基本科研业务费专项资金项目“新质生产力发展视域下多源数据驱动的突破性技术识别与预测研究”（30924010604）
0 引言
当今世界百年未有之大变局加速演进，新一轮科技革命与产业变革正在重构全球创新版图，前沿科技领域学科交叉与技术融合的发展趋势愈加明显。作为量子物理与信息科学相结合的量子信息技术迅猛发展，直接推动了量子力学理论与信息技术创新体系的突破性演进、颠覆式创新以及变革式应用，也在一定程度上成为了新科技革命引领方向与技术竞争的制高点[1]。从20世纪80年代开始，科学家将量子力学理论引入到信息科学与计算机科学领域，量子信息科学这个前沿交叉学科应运而生。继创建量子理论与催生了晶体管、激光、核磁共振等技术的第一次量子革命之后，以量子纠缠为典型特征的量子信息技术的发展直接引发了第二次量子革命[2]，有望实现对信息处理能力的革命性突破，其科学价值和战略意义备受国内外关注。由此，美国、英国、日本等世界主要科技强国已将发展量子信息技术上升到国家战略高度，并就量子信息技术广阔的应用前景和蕴含的巨大社会经济价值达成共识，系统部署了一系列重要科技战略规划和研发项目来抢夺量子优势。
我国同样高度重视量子信息领域的科技创新，在“十四五”规划中，量子信息被确定为关系国家安全与发展的基础性核心技术，并且形成了数量可观的科研团队，在一系列重大科学问题与关键技术上取得了突破性进展，基础研究、应用探索和产业培育的体系化布局加速发轫。为了探究目前量子信息技术领域整体发展状况和未来发展趋势，本文对量子信息技术中的技术会聚和多技术融合进行分析，并对未来该领域技术融合的方向进行预测，为中国量子信息技术的发展提出参考建议。
1 文献综述
专利数据能够较好地反映技术发展状况，国内外很多学者尝试从专利分析角度对量子信息领域展开研究。Winiarczyk等[3]以量子信息领域的专利数据为基础，通过构建时间序列模型，对量子信息专利数量的发展趋势进行预测；Yamamoto等[4]通过整理日本量子信息30多年来的有关项目和发展进程，分别从产学研3个角度对未来日本量子信息产业的发展提出建议；李英等[5]基于专利计量方法，从多维度对量子信息领域专利进行分析，探究我国量子信息领域的发展特点与不足；颜学明等[6]从时间维度和技术领域两方面综合对比中美量子计算的发展状况，并提出发展建议；宋姗姗等[7]着眼于美国、欧盟、日本等发达国家和地区的量子信息发展现状，并与我国进行对比，指出我国量子信息未来发展的主要方向；任海英等[8]通过构建ValuedERGMs模型，对量子计算领域核心技术网络进行识别，分析核心技术网络的影响因素；唐晓波等[9]从专利特征知识元入手，运用Sentence-BERT和Word2Vec等分析工具，实现对量子信息相关语义引用专利的识别与分析；储节旺等[10]以量子信息技术领域为实证对象，综合运用专利分析与主题模型方法识别出颠覆性技术的发展态势与演化路径。
随着知识经济的到来和信息、计算机、材料和远程通信技术的快速发展，一系列的技术交叠导致了多种技术的会聚[11]。技术会聚往往会引起突破性创新的产生甚至新产业的出现。Curran[12]将会聚定义为一个过程，即一个物体与另外至少一个物体在同一位置进行相互的合并。技术会聚是指来自不同领域的技术知识相互重叠，以实现组合知识的协同价值[13]。技术会聚显示了知识沿着不同发展轨迹的交叉渗透[14]。从国家和行业的角度来看，技术会聚往往会驱动突破性创新，甚至创造新兴产业[15]。对于企业来说，技术会聚为企业突破产品开发和产能增长的技术瓶颈提供了参考方案，帮助企业形成竞争优势。Allarakhia等[16]基于技术会聚提出了技术联盟管理诊断模型，为纳米技术联盟提供了有效的管理方法；Kodama[17]从日本的实例出发，揭示了技术与服务的会聚对企业和政府管理的重要影响。然而，对于几乎所有的技术领域来说，技术会聚都是一个复杂的过程。国内外学者对于技术会聚也展开了广泛的研究。毛荐其等[18]运用负二项回归模型，探究技术会聚与创新绩效间的关系；宋博文等[19]从多领域交叉关系着手，综合运用特征向量中心度指标来研究多元技术会聚的影响力；Ashouri等[20]以产业会聚为切入点，建立一个专利层面的产业会聚预测框架，通过专利组合和相关专利指标对未来产业会聚进行预测分析；王康等[21]则通过构建专利会聚的相关指标和运用自然语言处理技术来识别颠覆性技术；Zhu等[22]通过比较研究，发现Tsallis熵能够更好地分析技术会聚变化的时间趋势；栾春娟等[23]通过构建多重凝聚力指数指标，揭示绿色发明创新与技术会聚的作用关系；Giordano等[24]通过一种自然语言处理和网络分析的双重映射方法对C4ISTAR国防领域进行技术会聚的测度。
量子信息技术已经成为未来科技中重要的技术支撑，而技术会聚是量子信息技术等高新技术的重要特征，现有研究大多聚焦于量子信息技术会聚现状和核心技术的识别，而对于技术会聚趋势预测的研究较少。本文从专利数据分析的视角，研究量子信息技术的技术会聚发展趋势和未来展望，并对当前技术发展状况进行总结和建议。
2 研究设计
本文的研究框架如图1所示。首先，选取量子信息领域的重要技术关键词，构建专利检索式，并通过反复调整检索式进行数据去噪，获取量子信息技术领域相关的专利数据。从专利数据中提取国际专利分类（international patent classification，IPC）号码，与技术领域进行映射，获取每件专利涉及的技术领域，并对数据进行筛选去重，获得最终数据集。然后，利用获取的数据集生成共现矩阵，导入Gephi软件生成共现网络并进行分析，得出量子信息技术不同阶段的技术会聚特点，并对网络分析数据进行相似性指标的计算，通过链路分析来实现量子信息技术会聚的潜在机会预测。最后，根据研究结果得出结论，并根据量子信息技术会聚的演化规律和潜在机会给出相应对策和建议。
2.1 技术领域映射
专利数据包含全球80%以上的技术知识[25]，因此是识别技术会聚的最佳来源。在专利数据中，技术分类系统根据相应发明的技术特征确定发明的技术范围。现有文献对技术会聚识别的方法包括IPC子类共现技术、前向专利引用或文本挖掘研究。本研究选择IPC子类共现方法来识别专利数据集中的技术组合。该方法对于识别融合和寻找技术领域之间的相关性来说是最实用的。但仅仅用IPC子类分类号来表示技术领域时会出现两个IPC子类表示同一技术领域的情况，为减少数据误差，引入世界知识产权组织发布的ISI-OST-INPI分类表，该表将所有IPC分类号分为5个技术部门，35个技术种类。本文通过Python软件编程，利用IPC与ISI-OST-INPI分类表中的映射关系，将不同IPC分类号转化为具体的技术领域，方便后续技术会聚的分析研究。
2.2 共现网络分析
本文所研究的技术会聚是指若在同一件专利中出现两个及以上的技术领域，那么就认为在该件专利上发生了技术会聚。在共现网络构建的数据准备方面，本研究对IPC分类号与ISI-OST-INPI分类表映射的结果进行数据处理，对于同一专利中出现的相同技术领域进行去重，对于只涉及一种技术领域的专利进行删除。将处理好的数据构建共现矩阵，本文构建的共现矩阵为n×n的对称矩阵，矩阵中每个元素Cij代表技术i与技术j共同出现在同一项专利中的次数[26]，即代表某两个技术领域在量子信息技术领域中发生技术会聚的次数。在得到共现矩阵后，利用Gephi网络分析软件，导入共现矩阵数据，通过调整相关参数，完成技术共现网络的构建。通过对共现网络节点、网络直径、平均路径和聚类系数等网络参数的分析比较，得出不同时期量子信息技术领域技术会聚的发展状况差异。
2.3 链路预测发展趋势
链路预测是通过已知的网络节点和连边信息预测潜在连边形成的可能性。当前研究链路预测的算法有很多，其中，基于局部相似性指标的链路预测算法应用最为广泛且操作更为便捷[27]。但值得注意的是，局部相似性指标并不唯一，且当同一指标应用于不同数据集时，由于网络结构的不同，其精度可能存在差异。因此，为获得更合理准确的预测结果，本研究选取5项相似性指标进行准确度试验，分别是Adamic Adar（AA）[28]、Common Neighbors（CN）[29]、Preferential Attachment（PA）[30]、Resource Allocation（RA）[31]、Jaccard（JC），具体公式如表1所示。
本研究的预测精度评价指标为AUC，表示预测为正的概率值比预测为负的概率值要大的可能性，即将已有连边记作1，潜在连边记作0，则已有连边构成正例，潜在连边构成负例。从正例中取出一条连边，将该连边对应的相似度记作a1，负例中取出一条潜在连边，将该连边对应的相似度记作a2，比较两者大小。当a1＞a2时，记作1分；当a1=a2时，记作0.5分；当a1＜a2时，记作0分。遍历所有连边，最后得出：
式中：n′表示得分为1的次数，n″表示得分为0.5的次数，n表示总比较次数。
此时AUC代表的是已有连边相似度大于潜在连边相似度的概率。AUC越大，说明在该相似性指标下，已有连边的相似度大于潜在连边相似度的概率越大，链路预测的准确度则越高。
3 实证分析
本文的专利数据来源于智慧芽专利数据库，由于量子信息技术主要涉及量子计算、量子通信和量子测量三大应用领域，因此本文基于量子信息的三大应用领域，运用知网词典对搜索关键词进行扩展，对专利检索式进行反复补充修改验证，最终得到的检索式为：TIABC=（量子计算OR量子芯片OR量子测控OR量子计算机OR量子通信OR密钥分发OR量子算法OR“Quantum computing”OR“Quantum chip”OR“Quantum measurement”OR“Quantum computer”OR“Quantum communication”OR“Key distribution”OR“Quantum algorithm”……）。因为专利通常在申请18个月后公开，专利申请数据存在滞后性，所以将专利申请时间限定为2002—2021年，共得到25 324件量子信息技术领域的专利申请数据。通过对专利数据进行筛选去噪以及专利申请号合并，最终得到与本检索主题相关的专利17 827件。
3.1 量子信息技术领域专利整体概况
2002—2021年量子信息领域的专利申请趋势如图2所示。结合专利申请和量子信息行业发展情况，可以将量子信息技术的发展分为萌芽期和快速增长期两个时期。2002—2012年间，专利申请量在250～335件之间波动，量子信息领域处于技术发展的萌芽期。2013年起，专利申请量开始逐年上涨，量子信息技术进入快速成长期。快速成长期又可以分为两个阶段：2013—2018年，量子信息专利申请量保持持续稳定的高增长状态，2017年增长率达到最高42%，这一阶段各国量子信息相关政策频出，投资不断加大，量子信息技术发展势头迅猛；2019—2021年，技术发展受新冠疫情影响，专利增长率经历大幅回落（2020年3%）又急速攀升（2021年28%）的调整过程，2021年专利申请达到历史最高的2 470件，技术发展放缓后又迅速调整进入新的成长期。
对于检索得到的专利数据进行专利聚类分析，得到量子信息领域专利沙盘和量子信息领域专利聚类词云，分别如图3和图4所示。
由图3可知，目前的专利申请主要集中在量子信道、量子路线、计算资源、超导电路、通信系统以及密钥等应用领域，并且在计算资源和量子比特、超导电路和量子系统以及量子信道和密钥等不同技术领域之间产生了技术交叉融合。
图4主要展示专利申请主要涉及的技术领域，气泡大小代表技术出现频次高低。由图4可知，量子位和量子密钥分发技术专利申请量最高，是量子信息领域比较常见的应用技术。此外，连续变量、量子器件以及芯片封装等技术专利申请也比较多，可见量子信息与人工智能、电子信息和半导体等技术领域也有着密切的联系。可见，量子信息技术的发展不再是孤立的，而是与各类战略性新兴技术产业协同发展的结果。
3.2 基于专利分类的量子信息领域技术共现网络分析
3.2.1
构建专利技术共现矩阵
将前文检索得到的专利分类号导出，根据IPC分类号与ISI-OST-INPI分类表中的映射关系，运用Python软件将IPC分类号映射到对应的技术领域，并对得到的技术领域数据进行筛选，选择技术领域大于等于两个的专利，再次运用Python软件进行技术共现矩阵的构建。由于ISI-OST-INPI分类表中设计了35个技术领域，所以本次构建的共现矩阵大小为35×35，矩阵中的每一个数值为每行所代表技术领域与每列所代表技术领域在同一专利中出现的次数，将所有专利数据根据专利申请量的趋势特征，划分为3个发展阶段，构建3个不同阶段的技术共现矩阵。
3.2.2
技术共现网络整体结构分析
将专利技术共现矩阵导入Gephi软件中，节点为35个技术领域，边代表各节点技术领域之间的共现关系，边的粗细则代表技术领域间的共现强度，共现次数越多，节点间的连线越粗，2002—2012年、2013—2018年、2019—2021年的量子信息领域专利技术共现网络分别见图5、图6和图7。不同阶段的技术共现网络整体特征参数如表2所示。
结合图5至7和表2可知，第一阶段，量子信息技术处于发展初期，各行业纷纷尝试加入量子信息技术来进行研发创新，因此，在此阶段技术会聚现象较为广泛，网络的边数达到231条。第二阶段，经历过第一阶段的探索之后，专利会聚的技术领域有所精简，减少了一些相关性不大的技术领域合作，开始专注于某些核心领域，因此，在该阶段网络边数减少到191条。第三阶段，量子信息技术发展日趋成熟，技术适用范围不断扩大，很多技术领域又重新开始运用量子信息技术与其他技术领域进行合作，不同领域间的技术会聚广度又有增加，网络的边数达到232条。
网络平均度是网络中平均每个节点的边的个数，从网络平均度来看，随着网络边数的变化，平均度也随之改变。由表2可知，网络平均度由第一阶段的13.200降到了第二阶段的10.914，第三阶段又上升到13.257。同样，网络图密度的变化趋势也与边的变化相匹配，随着边数的增加，网络图密度也随之增加。第二阶段图密度最低为0.321，而第三阶段图密度增加到0.390，节点间的连接更为紧密。
从平均加权度来看，尽管第二阶段网络边数减少，网络平均度下降，但随着量子信息技术的不断突破创新，更多的专利申请为了提升质量纷纷选择与其他技术领域进行合作开发，涉及到技术会聚的专利越来越多，不同节点间的边权重逐渐升高。第二阶段网络边数减少的情况下，整体网络的平均加权度达到254.057，是第一阶段的两倍。第三阶段，平均加权度继续升高，达到440.229，各技术领域之间的专利合作更为密切。
网络直径越大，说明对应网络传输性能和效率越低；平均聚类系数越大，说明节点间建立关联关系越容易。整体网络直径从前两个阶段的4下降到第三阶段的3，平均聚类系数也由0.654升高到0.697。结合网络直径和平均聚类系数分析，说明节点间的合作路径变短，技术会聚更为简单，整体网络结构更为稳定。
3.2.3
节点间技术领域会聚分析
节点共现广度和节点共现强度可以用来分析量子信息领域共现网络节点间的技术会聚情况。节点共现广度为各节点代表的技术领域与其他技术领域进行合作的数量，及该节点与其他节点的总连接数，表明该技术领域的合作范围的大小。节点共现强度为某技术领域在与其他领域进行技术合作时出现的总次数，表示该技术领域在整体技术会聚中的影响力和重要性。节点共现广度排名前10和节点共现强度排名前10的技术领域分别如表3和表4所示。
由表3可知，在3个阶段中，计算机技术稳居第一位，这是因为量子通信的主要技术手段来源于计算机技术，因此与该技术领域的联系均较为密切。数字通信、电机、仪器、能源和电信技术是量子通信发展的主要应用领域，因此在3个阶段中排名一直处于前列。第一阶段，半导体、微结构与纳米技术和生物技术等新兴技术在量子信息技术领域内积极寻求合作发展，全部进入前十的行列。第二阶段，仅剩半导体技术还在前十之中，且排名明显下滑。第三阶段，半导体和微结构与纳米技术排名上升，视听技术和光学技术等视觉感官技术也开始崭露头角。
由表4可知，在3个阶段的节点共现强度排名中，数字通信、计算机技术、电信和半导体4个技术领域的排名较为稳定。量子信息作为量子物理与信息技术相结合发展起来的新兴技术领域，因此通信技术和计算机技术成为量子信息领域的主要核心技术，而半导体作为集成电路和通信系统等技术的主要材料，为量子信息技术的发展提供了设备基础。此外，微结构与纳米技术和光学技术的共现强度上升明显，在第三阶段的排名中紧随四大核心技术之后。近年来，微结构与纳米技术的突破助推信息技术的发展，大幅提高了计算机芯片的运算速度和性能，为量子信息技术带来更强的信息处理能力。传统光学通信技术的加入，既保障了量子信息的秘密性，又提高了其传输速率和稳定性。除了技术应用层面，量子信息技术也开始深入到管理层面，利用自身的信息技术优势，在IT管理方法和基本通信过程等传统信息管理领域得到广泛应用，不仅丰富了项目管理方式和信息管理策略，而且加强了数据自动化、数据可视化及数据信息安全能力。
在3个阶段的发展中，节点共现广度和共现强度也在不断变化，存在一直处于重要地位的核心技术领域，也有随着研究热点出现的新兴技术领域。因此，对于下一阶段量子信息领域的潜在重要技术融合领域的预测显得尤为重要，有助于明确研发方向，摸清技术发展规律，提前做好专利布局。
3.3 基于链路预测的量子信息领域技术会聚机会分析
3.3.1
链路预测指标评价
本研究采取链路预测中的相似性指标计算对未来网络中可能出现的连边进行预测，对于相似性指标的预测精度评价，通常采用AUC指标进行。运用Python软件中的Networks数据库，将实验数据按照8:1:1的比例随机抽取生成训练集、测试集和验证集。根据AUC的计算公式，得到3个阶段不同相似性指标的精度评价得分，如表5所示。
由表5可知，整体来看，3个阶段中，第二阶段的预测精度较好，整体预测得分较高，而第一阶段的整体预测精度在3个阶段中则相对较差。从具体指标来看，在第一阶段中，RA、CN、PA和AA的预测精度都超过了0.800，而JC的指标的预测精度较差，仅有0.747，在第二阶段中，RA、PA和AA三项指标延续了第一阶段良好的预测精度，指标得分均超过了0.850。到第三阶段，虽然整体指标预测表现有所下滑，但是RA、PA和AA指标依旧能够保持较为优异的预测精度。综合考虑，本文选取RA、PA和AA三个相似性指标对量子信息领域未来可能出现的技术会聚进行预测。
3.3.2
量子信息技术会聚机会预测
为探究量子信息技术在下一个阶段可能出现的新的技术会聚机会，运用链路预测方法，选取RA、PA和AA三个相似性技术指标，在第三阶段数据的基础上对潜在发生技术会聚的节点对进行预测，预测结果分别如表6、表7和表8所示。
由表6可知，在RA指标的预测中，电机、仪器、能源-医疗技术在下个阶段出现的可能性最大，随着远程医疗、医疗机器人等新兴医学技术的出现，其依赖的高精度医疗设备在进行工作时需要进行大量的数据处理，因此以计算和信息处理为核心的量子信息技术便成为潜在的重要应用手段。此外，视听技术与其他领域的合作也在RA预测结果中多次出现，人工智能时代的到来，VR、全息投影等视听影像技术迎来了发展机遇，量子信息技术的支持可以带来各个领域用户感知体验的提升。此外，控制技术和测量技术在与其他技术系统进行交叉合作时，也需要借助量子测量和量子计算技术来完成对高精度、高复杂性系统的测量与控制。
由表7可知，PA指标的预测结果与RA指标预测相比略有出入，在该预测中新出现了半导体-医疗技术、视听技术-表面技术、涂层、测量-家具、游戏、测量-其他专用机器和数字通信-材料、冶金这5个潜在节点对，虽然与RA预测略有区别，但新增潜在节点对大多还是涉及医疗技术、视听技术和测量技术与其他技术领域的交叉应用，与RA预测的应用场景基本吻合。新增的数字通信-材料、冶金节点对则对应我国冶金行业和企业存在的智能制造基础不牢、信息孤岛现象严重、工业机理复杂度高、数字化模型构建难度大等问题，量子信息技术的介入，能够有效解决材料和冶金行业的数字化困境。
AA指标技术会聚预测如表8所示，相较于RA和PA指标预测结果，AA指标预测新增数字通信-发动机、泵、涡轮机这一节点对。在数字技术的冲击下，发动机、泵、涡轮机等传统的内燃机也开始数字化转型，量子信息技术在内燃机数字化的进程中也有着广阔的应用空间。
整理RA、PA和AA三项相似性指标的预测结果，得到量子信息领域潜在技术会聚机会预测统计表，见表9。
由表9可知，三种指标的预测结果一共出现16个潜在技术领域节点对，其中，有5个节点对在预测结果出现三次，4个节点对出现两次，而其余7个节点对在三种指标的预测中仅出现一次。选取出现次数为三次的潜在节点对作为量子信息潜在技术会聚发展的预测结果，即在下一个技术发展阶段，电机、仪器、能源-医疗技术、视听技术-生物材料分析、控制-微结构与纳米技术、测量-化学工程和医疗技术-微结构与纳米技术这五组技术领域发生技术会聚的可能性较大，值得重点关注。
4 研究结论及建议
本文以量子信息领域2002—2021年的专利数据为研究对象，分析量子信息领域的技术会聚现状并对该领域未来的技术会聚机会进行预测，得出以下结论：
不同阶段的量子信息技术会聚呈现大致稳定、较小波动的状况。3个阶段的技术会聚主要集中在计算机技术、电信、数字通信和半导体等技术领域。不同阶段由于技术研发的热点不同，会有不同领域新的技术会聚出现，在共现广度和共现强度方面也呈现不同的技术领域演化特点。在整体网络方面，尽管第二阶段网络指标较第一阶段略有波动，但整体网络结构呈现出更为密集和稳定的趋势，不同技术领域间的技术会聚行为更为频繁，不同的技术会聚组合逐渐出现。
利用RA、PA、AA三项链路预测相似性指标对下一阶段潜在技术会聚机会的预测结果显示，下一阶段量子信息技术会聚很有可能发生在电机、仪器、能源-医疗技术、视听技术-生物材料分析、控制-微结构与纳米技术、测量-化学工程和医疗技术-微结构与纳米技术等领域，因此专利申请者除了在选择与传统技术会聚合作较为频繁的领域之外，还可以重点考虑在这些重点技术会聚领域进行专利布局，提前获取技术竞争优势。
目前量子信息领域技术会聚整体发展较为平稳，技术共现网络结构也逐渐稳定，但还是存在一些问题，如技术会聚主要发生在少数相关度高的领域，很多技术领域甚至从未与量子信息技术发生联系，发展均衡性有待提高，不能满足各技术领域的融合发展需求。量子信息作为具有突破性的信息处理技术，应该在各个领域发挥作用，推动全领域信息化发展。结合分析结果，从不同层面给出如下建议：（1）政府层面：针对专利技术会聚薄弱领域，政府可以从政策方面着手，通过制定相关的量子信息优化发展政策，积极举办量子信息优秀应用示例推介会，鼓励各领域企业接触了解量子信息技术，助力企业间技术合作交流，推动量子信息知识产权转化。优化专利市场环境，提升专利服务质量，保障量子信息领域知识产权工作有序进行。（2）技术研发层面：高校等研发机构可以根据市场需求，广泛试验量子信息技术在各技术领域的应用可行性和经济性，更好地为企业提供专业技术指导。着眼于技术会聚薄弱领域，有针对性地进行技术研发，注重核心专利技术的创造和转化，助推量子信息技术的全领域发展。（3）企业层面：企业应根据自身的生产经营情况，响应政策号召，积极寻求和高校等研发机构的技术合作，大力引进量子信息技术，提升生产经营效率，也可根据量子信息技术会聚预测结果重点关注未来技术机会，选择潜在技术会聚领域重点突破，树立知识产权保护意识，做好专利布局，抢得市场先机。
参考文献：
[1]中国政协网.习近平主持中央政治局第二十四次集体学习并讲话[EB/OL].（
2020-10-18
）[
2023-09-15
].http://www.cppcc.gov.cn/zxww/
2020/10/19
/ARTI1603069285511132.shtml.
[2]DOWLING J P, MILBURN G J. Quantum technology: the second quantum revolution[J]. Philosophical Transactions of the Royal Society A, 2003, 361（1809）: 1655-1674.
[3]WINIARCZYK R, GAWRON P, MISZCZAK J A, et al. Analysis of patent activity in the field of quantum information processing[J]. International Journal of Quantum Information, 2013, 11（1）: 1350007.1-1350007.12.
[4]YAMAMOTO Y, SASAKI M, TAKESUE H. Quantum information science and technology in
Japan
[J]. Quantum Science and Technology, 2019, 4（2）: 020502.1-020502.8.
[5]李英，刘建明.基于专利计量的量子信息技术发展现状[J].科技管理研究，2022，42（18）：29-35.
[6]颜学明，刘建明.基于专利计量的中美量子计算技术发展态势研究[J].科技管理研究，2022，42（23）：152-159.
[7]宋姗姗，钟永恒，刘佳，等.量子信息领域的国家战略布局与研发态势分析[J].世界科技研究与发展，2024，46（1）：21-35.
[8]任海英，李真.基于Valued ERGMs模型的核心技术网络成长机制研究：以量子计算领域为例[J].科技进步与对策，2024，41（4）：1-11.
[9]唐晓波，吴海婷，吴佳琳.基于特征知识元的专利语义引用识别方法研究：以量子计算领域为例[J].情报理论与实践，2023，46（10）：86-95.
[10]储节旺，李佳轩，安怡然.基于专利分析的颠覆性技术演化与预测研究：以量子信息技术为例[J].科技进步与对策，2023，40（22）：130-140.
[11]CAVIGGIOLI F. Technology fusion: Identification and analysis of the drivers of technology convergence using patent data[J]. Technovation, 2016, 55/56: 22-32.
[12]CURRAN C S, BRÖRING S, LEKER J. Anticipating converging industries using publicly available data[J]. Technological Forecasting and Social Change, 2010, 77（3）: 385-395.
[13]CURRAN C S, LEKER J. Patent indicators for monitoring convergence-examples from NFF and ICT[J]. Technological Forecasting and Social Change, 2011, 78（2）: 256-273.
[14]ZHOU Y, DONG F, KONG D J, et al. Unfolding the convergence process of scientific knowledge for the early identification of emerging technologies[J]. Technological Forecasting and Social Change, 2019, 144: 205-220.
[15]WANG Z N, PORTER A L, WANG X F, et al. An approach to identify emergent topics of technological convergence: a case study for 3D printing[J]. Technological Forecasting and Social Change, 2019, 146: 723-732.
[16]ALLARAKHIA M N, WALSH S. Analyzing and organizing nanotechnology development: application of the institutional analysis development framework to nanotechnology consortia[J]. Technovation, 2012, 32（3/4）: 216-226.
[17]KODAMA F. MOT in transition: from technology fusion to technology service convergence[J]. Technovation, 2014, 34（9）: 505-512.
[18]毛荐其，李新秀，刘娜.技术会聚对创新绩效的作用机制研究[J].科技进步与对策，2018，35（20）：9-14.
[19]宋博文，栾春娟.基于多元技术会聚的会聚影响力研究[J].科技进步与对策，2019，36（16）：1-8.
[20]ASHOURI S, MENTION A L, SMYRNIOS K X. Anticipation and analysis of industry convergence using patent-level indicators[J]. Scientometrics, 2021, 126（7）: 5727-5758.
[21]王康，陈悦.技术融合视角下基于专利的颠覆性技术识别研究[J].情报杂志，2022，41（4）：29-36，134.
[22]ZHU W J, MA B H, KANG L L. Technology convergence among various technical fields: improvement of entropy estimation in patent analysis[J]. Scientometrics, 2022, 127（12）: 7731-7750.
[23]栾春娟，宋博文，邓思铭.全球绿色发明技术会聚与专利产出相互影响研究[J].科技进步与对策，2023，40（8）：1-10.
[24]GIORDANO V, CHIARELLO F, MELLUSO N, et al. Text and dynamic network analysis for measuring technological convergence: a case study on defense patent data[J]. IEEE Transactions on Engineering Management, 2023, 70（4）: 1490-1503.
[25]CURRAN C S. The anticipation of converging industries[M]. London: Springer, 2013, 209-248.
[26]邱均平，杨强.技术融合的计量分析：以4种新兴信息技术为例[J].图书情报工作，2014，58（14）：90-97.
[27]李艳丽，周涛.链路预测中的局部相似性指标[J].电子科技大学学报，2021，50（3）：422-427.
[28]ADAMIC L A, ADAR E. Friends and neighbors on the web[J]. Social Networks, 2003, 25（3）: 211-230.
[29]NEWMAN M E J. Clustering and preferential attachment in growing networks[J]. Physical Review E, 2001, 64（2）: 025102.1.
[30]BARABASI A L, ALBERT R. Emergence of scaling in random networks[J]. Science, 1999, 286（5439）: 509-512.
[31]ZHOU T, LYU L, ZHANG Y C. Predicting missing links via local information[J]. The European Physical Journal B, 2009, 71（4）: 623-630.
作者简介：徐贤睿（2000—），男，江苏泰州人，硕士研究生，主要研究方向为专利分析、产业预测；武兰芬（1978—），通信作者，女，河北邢台人，副教授，博士，主要研究方向为专利分析、科技政策；姜军（1968—），男，江苏常州人，副教授，博士，主要研究方向为数据驱动的知识产权战略管理、知识产权价值评估、知识产权人力资源管理。
