前言：中文期刊網精心挑選了納米科學論文范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
納米科學論文范文1
本書匯集了2003年6月在墨西哥城舉行的“物理學中當前所研究的問題”專題討論會上所做的特邀演講。這次會議是為了慶祝R?J埃利奧特教授75歲生日而舉辦的。R?J?埃利奧特爵士曾長期擔任牛津大學理論物理系主任。作為一位科學家，他對理論物理學的發展作出了重要的貢獻。在數十年的時間內，他發表了許多被引頻次很高的科學論文。本書中的演講都是由R?J埃利奧特爵士的研究助理、以前的學生、博士以及同事撰寫的。他們之中的許多人象R?J埃利奧特爵士本人一樣已經是第一流的科學家。
本書對現代凝聚態物理學和統計物理學的各個關鍵領域提供了一個非常及時與全面的綜述。書中19篇原創性質的論文被分成了三個主要的領域，即無序與動態系統；結構與玻璃；電性質與磁性質。這些論文的作者中間就包括了像M?E?Fish-er，A?A?Maradudin，M?F?Thorpe，M?Balkansk，T?Fujiwara這樣著名的科學家。因此本書非常值得一讀。
本書的卷首是R?J埃利奧特教授的開幕式演講“物理學中的有序與無序”。其余的文章被分成了三個部分，共19章。第一部分無序與動態系統，包含第1-5章。1 對有趣但與愿望相違球面模型的反思；2 向量自旋玻璃的相位轉換；3 轉換、動態特性與無序從平衡到不平衡系統；4 3分量2維生長與競爭交互作用的混合；5 混沌邊緣玻璃狀的動態特性。第二部分結構與玻璃，包含第6-12章。6 生命分子中的柔性；7 碳納米管的點陣動態特性；8 由于運動約束的玻璃狀特性，從拓撲學泡沫到巴加門；9 玻璃轉變與急驟冷卻效應；10 介質損耗作用及為玻璃形成中的馳豫尋求簡單的模型；11 圖靈模式構成理論；12 雙八面癸基胺單分子層：非平衡相疇。第三部分電性質與磁性質，包括第13-19章。13 隨機粗糙金屬表面光反射二次諧波產生的多散射效應；14 大規模電子結構計算理論；15 對稱磁團簇；16 維半導體量子線中的光學與費米界異常；17 利用疇壁激發探測多分子層中的磁耦合；18 量子滲透問題中的電子狀態密度；19 熔化描述動力學作用構建中的功率項。
本書可供從事凝聚態物理及統計物理的物理學家及研究生閱讀借鑒。
胡光華，高級軟件工程師
納米科學論文范文2
[關鍵詞]社會網絡分析專利
專利權人發明人
引文網絡合作網絡
[分類號]G350
社會網絡分析(social network analysis，SNA)是對社會關系結構及其屬性加以分析的一套規范和方法，在社會學研究中已經得到廣泛的應用，然而，將社會網絡分析方法引入專利分析的國內外研究工作相對較少。2008年，德國學者Sternitzke等指出，社會網絡分析方法才剛剛開始進入專利分析領域，應用前景廣闊：；Chang等指出，專利網絡分析是一種先進專利分析技術，由Yoon和Park在2004年正式提出。
1專利引用網絡研究進展
專利引用網絡中的“節點”即各件專利；“連接”即在專利引用網絡中各專利自引和他引的關系，包括引用連接和被引連接。Hsueh等指出，基于網絡分析的引用分析是專利引文分析的一種替代方法?；趯＠墨I的引用關系，可以延伸出對專利權人和發明人之間的引用關系，以上專利文獻、專利權人和發明人等的引川都可歸類為“直接引用”網絡；此外，還可以構建專利文獻、專利權人、發明人等的共引、專利耦合網絡等。
1.1專利引文網絡
專利引文網絡是專利引用網絡研究的主體，可以用于研究不同學科主題之間的跨學科引用網絡或學科內部的引用網絡，包括隨著時間發展的演進網絡或知識流網絡。例如，Wartburg等通過多級專利引文分析方法對技術演進進行了研究；Gress通過對1963―2002年美國專利的引文分析發現，隨著時間的增長々利引用及專利數呈現出爆炸式增長，引文網絡出現塊狀(clumpy)特征，即一些引文網絡區域連線緊密，而有些區域則稀疏，其原因之一是由于不同學科類別之間存在引用關系，進而導致塊狀結構的形成。
目前針對專利文獻引文網絡中間中心性(betweeFt.ness)較高的節點的重要性研究還非常少見，直到近幾年，在網絡結構和演進層面的工作才逐步增多。Hung等在2008和2010年分別基于LCD和RFID專利，對專利引文網絡的小世界現象的研究發現，專利引文網絡確實可以成為小世界網絡，此外，專利引文網絡還具有冪律分布特征。
專利直接引文網絡是一種有向網絡，Smilkov等對美國專利引文有向網絡的rich-club和page-club系數的研究發現，核心專利更傾向于被其他核心專利所引用。Bommarito等指出，專利引文網絡是一種重要的無圈有向圖(acyclic djgraphs)，對通過學術引用的思想傳播、創新傳播研究具有重要價值，他們利用距離測量(distance measure)和層次聚類算法(hierarchicalclustering algorithm)對美國專利動態引文網絡進行了分析。
1.2專利權人引用網絡
通過對專利權人的引用網絡進行分析，可以檢測核心專利權人、發現潛在競爭對手等。例如，Sternitzke等研究發現，LED領域專利權人引用網絡分析可以用于解釋專利權人的市場行為，如合作和專利侵權訴訟等。
通過專利權人耦合網絡的研究，可以發現引用相同專利的專利權人組合，進而對不同專利權人進行分類。例如，Huang等利用專利耦合方法對臺灣高技術公司的引用網絡分析發現，可以將臺灣高技術企業聚類成6大簇，包括半導體、計算機設備、掃描儀、筆記本／顯示器、系統和IC設計／封裝。
1.3專利引證絡
早在1995年，Narin等通過針對美國專利引證科學論文的研究發現，美國技術與公共科學之間的關聯越來越強；然而Meyer在2000年針對納米技術的研究卻發現，基于專利引文分析很難發現被引論文與引證專利之間的直接連接。但科學計量學界對此方面的研究熱情卻依舊不減，如Acosta等通過專利引證淪文對西班牙科學一技術流進行了研究。最近，有少量工作開始采用社會網絡分析方法對專利引證論文進行研究，如Gao等采用社會網絡分析方法，分析了美國專利數據庫中的中國專利所引用的中國科技期刊共引網絡。
1.4專利耦合網絡
文獻耦合研究最初用于論文研究，最早提出將文獻耦合思想用于專利計量分析的是Narin，有代表性的工作包括：Huang等利用專利耦合方法對臺灣高技術公司的引用網絡分析；Kuusi等利用專利耦合網絡對納米技術領域的技術預測研究。
與專利耦合研究原理相近，Weng等在專利引用網絡中引入了結構等價(structural equivalence)的概念，采用塊模型(blockmodel)對專利進行分組研究。所謂結構等價，即指在專利引用網絡中擁有相同位置的兩件專利擁有結構等價性，此時擁有結構等價性的兩件專利會被分到一個塊(block)中，一般情況下擁有結構等價性的兩件專利在技術上相近或擁有相近的知識基礎。
1.5專利引用分析用于研究知識流
知識流研究包括三個層面：國家層面的知識流(macro)、工業層面的知識流(meso)和企業層面的知識流(micro)，目前研究較多的是macro和micro兩個層面，如Shih等基于專利引用分析了國家之間的技術分布及知識流情況，而對meso層面的研究較少。
理解工業間的知識流有助于構建知識簇和設計國家創新系統(national innovation system，NIS)，知識流可以分為實體知識流(embodied knowledge flow)和無形知識流(disembodied knowledge flow)，前者通過包含新技術的機器設備或元件的購買進行流動，后者則通過人員流動和研究溢出而產生?；趯＠牡闹R流分析則屬于無形知識流的范疇，也是目前專利引文分析的一個重要研究領域，下面介紹兩個富有代表性的研究成果。
Hu等采用雙指數知識擴散模型研究東亞國家之間的知識流發現，在東亞7國或地區(中國大陸、香港、韓國、馬來西亞、新加坡、中國臺灣和泰國)中，中國臺灣已成為東亞經濟知識擴散的源頭，韓國和新加坡對臺灣專利的引用頻率比對美國專利的引用頻率更高，臺灣對韓國專利的引用高于對日本和美國專利的引用，中國和馬來西亞對臺灣和韓國專利的引用高于對日本和美國專利的引用。
Igami等對納米技術歐洲專利的引用演進網絡進行分析發現，不同納米技術子領域之間的知識流現象比較少，每個子領域的發展似乎更多地依賴本領域自身的推動。
1.6功能與作用辨析
盡管上述專利引用分析方法在一定程度上能反映
出專利文獻、專利權人或發明人的技術影響力、研發競爭行為等特征，但如果要借助這些信息直接對機構的技術影響力進行判斷，還需慎重。首先，盡管一些研究結果證明專利引用可以用于表征知識流，但也有針對專利引用分析作為專利分析指標的批評。其次，Alcacer和Gittelman強調，美國專利商標局和歐洲專利局的審查員在審查發明專利申請時的方法完全不同，從而對每件專利的相對引文數量產生了強烈的影響。而且，美國專利商標局與歐洲專利局所依據的不同法律也影響了專利引文的數量。Michel和Bettels指出，美國專利商標局的引用數量是歐洲專利局的3倍。最后，研究人員還發現，發明人更傾向于引用地理位置相對接近的發明人的專利，這也會影響到引用數據的變化。
2專利合作網絡研究進展
2.1專利權人合作網絡
度數相關性(degree correlation)是研究網絡結構的有效_[具之一，lnoue等對日本專利權人的合作網絡分析發現.專利權人合作網絡的節點度數之間呈現零相關；此外，節點度數分布滿足冪律分布特征，節點簇系數之間呈現負相關。
在研究網絡的節點度數分布特征時，通常情況下，研究人員采用最小二乘法用于擬合和估算冪律分布的斜率，該方法有兩個致命的瑕疵：①人們無法確定節點度數分布是否真正滿足冪律分布；②無法確定哪部分分布符合冪律分布特征。為此，Clauset等提出了一種將最大似然法和基于K-s檢驗的適合度測試方法整合在一起的方法，首次解決了上述兩個難題。
專利權人合作網絡具有無標度網絡的特征，在研究無標度網絡的增長模型時，Barab6si和Albert在1999年提出的偏好依附模型(preferential attachmentmodel)最為常用，新節點選擇現有節點進行連接的概率是n(k(mi)=k/∑=(mi)k(mi)，其中k(mi)，是節點的度數。基于此模型得到的節點分布函數滿足p(k)。ck(h3)。然而，該增長模型并未考慮連接的距離因素，為此，Inoue等在2010年又采用對偏好依附模型的改良增長模型(gTowlh model)對日本專利權人合作網絡的發展進行r研究。他們采用的算法是：從一個擁有m(mn)個節點的完整網絡出發不斷增JJIJ節點，增加m個連接，連接增加的概率公式為tl(k(mi)，d(mij))。ck(mj)/d(mij)，其中i代表新增節點，j代表已有節點，k(mi)是節點j的度數，d(mij)是節點i和j之問的地理距離，a和σ是常數。
2.2發明人合作網絡研究進展
發明人合作網絡的研究包括發明人在合作網絡中所處的位置研究、發明人合作網絡的小世界現象與創新的關系研究等。主要的研究方向包括以下幾個方面：
?發明人合作網絡的小世界現象。Fleming等采用多維分析方法研究發現，發明人之間合作網絡的小世界現象促進了科技創新。Chen等通過對1975-2006年16個國家的美國專利研究發現，主成分的規模越大將明顯增強國家的創新生產力，發明人合作網絡的小世界現象有助于國家創新，但這種正而作用儀限于一定范圍內，超過這個范圍則起到反作用.此時路徑長度與創新產出能力成反比。
?發明人合作網絡的地理空間分布差異性及關系研究。Wilhelmsson發現，發明人合作網絡的空間分布具有非均一性，其空間分布受就業密度和產業多樣性影響，在人口密集、產業多樣性豐富的區域更易形成發明人合作網絡。然而，市場規模卻對發明人合作網絡有負面影響，在大都市地區發明人合作網絡相對減弱，人口稠密區的研發人員不僅傾向于更多的合作，而且還會和空間距離更遠的合作者進行合作。
?有關發明人合作網絡的研究被用于分析不同簇的拓撲學特征。例如，He等對美國新澤西州和田納西州電信企業的發明人合作網絡的基本拓撲學結構和網絡演進情況的研究發現，地理區間簇的拓撲學特征直接決定了發明人合作網絡的特征；同時，發叫人合作網絡的結構特征也會隨著區域經濟和社會條件的改變而變化。Lobo等采用社會網絡分析方法對1977-2002年之間美國不同城市發明人之間的跨地區合作以及城市內發明人凝聚現象進行的研究發現，城市內發明人的凝聚現象對專利產出的貢獻要明顯強于發明人合作網絡的結構特征。同時還發現，孤立發明人的凝聚對專利產出有正面促進作用，而合作網絡的密度對專利產出起負面作用。
?在發明人合作網絡分析中，更多的關注點集中在針對網絡節點度數的研究上。特別是中心節點對知識傳播所起到的關鍵作用，如中心節點對新的弱連接產生的影響等；反過來也可以通過發明人合作網絡的社會網絡分析，發現中心節點，包括度數中心節點、鄰接中心性節點和中間中心性節點，位于中心節點位置的發明人多數都是優秀的工程師，他們位于內部交流網絡的核心位置。例如，有研究發現，位于不同發明人團隊之間或研發部門之間的中間發明人具有更高的々利產出數及被引頻次。說明處于不同研發背景團隊之間中介地位的發明人受益于團隊問信息流所帶米的益處，對其專利產出的數量和質量產生正面影響。同時發明人合作網絡的中心性節點也具有更高的被引頻次特征。Breschi等通過對科學家與發明人合作網絡的分析，也發現了那些鏈接科學家合作網絡與發明人合作網絡兩個簇的橋點在科技創新中的重要作用。
?基于發明人合作網絡的演進分析是當前訂的研究熱點之一。Fleming等以美國1975-2002年的發明專利數據為基礎，研究了硅谷和波士頓地區發明人合作網絡的演進情況，發現硅谷發明人合作網絡在1989年出現了急劇的聚集現象，而在波士頓地區的聚集現象則晚于硅谷，且聚集程度不如硅谷劇烈。通過與合作網絡中的關鍵發明人進行面談，發現硅谷新建公司間的持續人員流動促進了網絡的快速聚集現象。該項研究采用逆向時間序列方法，采取敲除每件專利來觀察成分的分裂指數(D)，進而分析發明人合作網絡演進過程中起到決定性作用的專利。
2.3檢測合作網絡的轉型
Betteneourt等在對8個科學領域從產生到成熟的作者合作網絡進行演進分析時，引入了尺度指數(scaling exponent)的概念(edges=A(nodes)，其中為尺度指數)，用于評估合作網絡的轉型。雖然專利網絡與絡存在不同的特征，但將尺度指數引入專利合作網絡的研究仍具有實際意義，Chen等在對中國科學院院屬研究所的專利合作網絡進行演進分析時，引入了尺度指數，研究發現，與上述Bettencourt等分析的8個科學領域不同，中國科學院院屬研究所的
專利合作演進網絡擁有更大的a值。
3專利主題網絡研究進展
專利文獻的分類體系，如國際專利分類號(IPc)、美國專利分類號(USPC)、德溫特專利分類號(DPC)等是分析專利技術主題的主要切人點。
3.1專利主題詞網絡
Yoon等利用專利主題詞向量的歐幾里得距離計算專利文獻之間的距離，建立專利間的關聯關系，采用以下量化技術進行主題網絡分析：
?技術中心度指數(technology centrality index，TCI)，用于發現整個網絡或簇水平的相對重要專利。TCI，=c(mi)/(n-1)，(c(mi)=∑r，r指專利i的連接數，n指專利數目)。某專利的TCI值越高，說明該專利對其他專利的影響越大。
?技術周期指數(technology cycle time index，TCT)，用于測定整個網絡的技術發展趨勢。TCT。：Median((mj)){IT(mi)-T(mj)l，(T(mi)和T(mj)分別指專利i和j的申請日期)，TCT即兩件相關專利i和j申請時間差的中位數。
?密度指數(density index，DI)，用于對不同的簇進行比較，發現每個簇的網絡連接特征。DI=T/[n。(n(mc)-1)]，(T(mc)和n(mc)分別代表簇中連接和節點的數量)，DI測量的是每個簇的內部連接性。簇的DI值越高，說明擁有越多的連接技術包，反之亦然。
Chang等利用該算法研究了碳納米管場發射顯示器(CNT-FED)領域的專利聚類和發現核心專利。
3.2主題相似度網絡
通過基于專利分類號的分布，可以計算不同經濟體、不同地區和不同專利權人的技術相似度。例如，Hu等采用非向心相關性(un.centered correlation)來研究東亞不同國家之間基于美國專利分類號的相關性。
此外，Dou等基于歐洲禽流感專利，研究了各種相關lPC小類之間的關聯強度。楊璧嘉等則基于IPC計算出專利之間的Pearson相關系數，再利用Paiek進行社會網絡可視化，結果用于技術路線圖研究。
4社會網絡分析在專利分析中應用前景展望
將社會網絡分析方法應用于專利分析中具有重要意義，根據本文的綜述，筆者試提出未來專利社會網絡分析的研究重點，供討論：
?用于鑒別關鍵發明人或專利權人、發掘競爭對手。通過專利合作、技術主題關聯和引用網絡分析，可以發現處于網絡重要位置的專利權人或發明人，這些重要的節點可以是中心(度數中心或中間性中心)節點，也可以是橋點。此外，高被引專利可以用來評價專利叢林，引文網絡中關系近的節點說明其技術相關，若在引文網絡中相連的兩個節點在合作網絡中沒有合作，說明二者存在高度競爭關系，若有合作則說明二者在聯合研發新技術。
?專利社會網絡分析在企業創新與管理研究中得到越來越多的關注，包括企業之間的競爭合作以及企業內部發明人之間的合作網絡結構對創新的影響等。例如Paruchuri等發現，公司內部發明人合作網絡中，發明人結構中心性與其對公司創新性的作用呈現倒“u”型關聯關系，這種關系同時又受到公司所處的合作網絡的中心性及結構洞的負調節。此外，su等采用專利家族的優先權專利網絡對公司的專利組合(patent portfolio)進行了分析，服務于企業技術保護與實現戰略目標。
?基于論文和專利之間的引用關系探討科學向技術的轉移仍將是一大研究熱點?，F有研究大多數尚停留在計量和統計水平，而缺少在網絡結構和演進動力學水平考察科學向技術的知識轉移的研究，這將是社會網絡分忻在專利分析中的重要潛在應用領域之一。
?更多的專利數據來源將作為專利社會網絡分析的數據摹礎?，F有有關專利網絡分析工作大多數都足基于美國專利商標局(USPTO)的專利數據開展的，基于歐洲專利、日本專利、中國專利以及德溫特專利的專利社會網絡分析工作還比較少，屬于待發掘領域。
?專利網絡動力學及演進分析將是今后發展的重點，特別是專利引用網絡以及專利權人合作網絡動力學：及演進分析將是今后的研究熱點之一。近期已經發表的兒篇文章中也正體現了這種趨勢，包括Barber6等基于專利引用網絡對技術演進(主路徑)進行的研究；Lee等基于ICT領域專利數據開展的協同進化研究；Kegler等對機構合作網絡演進的分析等。技術演進路徑識別的算法研究與應用也將是專利演進分析的一個熱點方向，如常見的搜尋路徑連接數目(sPLC)算法和搜尋路徑節點對數(SPNP)算法等，劉倩楠等利用SPNP(stochastic petri net package)算法對以太網技術演進路徑進行了研究。
依托專利文獻、專利權人、發明人等網絡節點，借助合作、引用、共現、主題關聯等關聯算法，研究專利演進網絡動力學特征的同時，開展網絡演變的預測研究，特別是整合了多種關聯因素來預測網絡演進趨勢的研究將是一種新挑戰。
