4月30日，中國科大學科技戰略咨詢研究院在京發布《科學結布光譜2021》，此科學結布光譜是以2012年至2017年10223個研究前沿中包含的高被引論文數據為根據。研究發覺，全球科學研究結構穩中有新，中國科研優勢研究領域逐漸穩固。
全球涌現近百個新研究熱點
《科學結布光譜2021》顯示，科學研究結構的布局總體穩定。科學研究領域數目持續擴大，科學研究前沿不斷延展，新興研究領域不斷涌現，學科交叉融合的現象越來越顯著。
全球熱點研究前沿的焦點是人類可持續發展的重大問題，與能源、環境、人類健康、資源借助等可持續發展相關，出現了“先進能源”、“環境整治”、“納米生命科學”、“海洋資源”以及與能源、環境、生命健康等息息相關的新材料、新元件等熱點研究前沿，正成為科技創新發展的強大驅動力。?目標導向的基礎研究與應用研制結合更加緊密，應用性牽引趨勢顯著，傳統意義上的基礎研究、應用研究的邊界日趨模糊。
科學研究與工程結合逐步向應用轉化的研究問題越來越廣，例如從催化到生物質能、頁巖氣、熱能等新能源的研究，環境與健康結合產生“環境整治”群組，柔性材料到可穿戴設備，3D和4D復印技術、智能電網、智慧城市的快速發展，基礎醫學研究更多地與臨床研究結合解決人類健康問題等。
科學結構2012-2017群組圖
從近兩期科學結布光譜來看，持續萊州度論文區域的研究熱點主要包括“量子化學”、“機器學習”、“無線通訊”、“粒子化學”、“有機合成方式”、“系統與控制”、“冠心病”、“表觀遺傳調控”、“植物基因調控”等。本期密度增高的熱點研究中，萊州度熱點研究集中在“腸道微生物”、“二維材料”、“超材料”、“環境整治”、“腦結構與功能”、“腫瘤免疫醫治”、“衛生保健”、“天文學”等。
在“科學結構2012-2017”中，出現了97個新興熱點研究領域。熱點研究領域在醫學、生物科學和交叉學科分布較集中，分別有26個、13個和11個。兩個最大的新興熱點研究領域分別是“寨卡病毒”和“黑色素瘤醫治”相關研究，分別包含125篇和64篇論文，發覺新病毒以及新療法（技術）的出現是產生新的研究領域的主因。
中國科研優勢研究領域逐漸穩固
2012-2017核心論文份額分布圖（中國）
基于科學結布光譜，從國家科學研究的結構上反映了中國及代表性國家在不同研究領域的活躍程度及其變化趨勢。研究結果顯示，中國在世界熱點研究領域中的科研制展迅猛。中國的核心論文份額躋身世界第二位，較上一期下降2.6個百分點，增速23%。中國的核心論文份額接近世界排行第三的日本的2倍。
中國的研究領域覆蓋率上升，但仍有28%的研究領域沒有發文。報告顯示，中國研究領域覆蓋率從世界排行第五位上升到第四位，且覆蓋率呈現明顯上升趨勢，從66.7%上升到72.0%。新增研究領域的覆蓋率也有小幅下降，從48.3%下降到49.5%。中國優勢研究領域主要囊括納米科技、計算機與工程、環境整治等，中國在“醫學”、“社會科學”、“經濟與商業”、“生物科學”四個大類中所占份額相對較少。
在政府資助產出的核心論文數目及分布方面，研究人員發覺，2012年至2017年期間，與其他國家相比，中國政府捐助論文占發表核心論文的比列最高，達到81.4%。這與中國科研的進步、政府科研經費高投入有密不可分的關系。
不過，數據也顯示，中國政府資助產出的核心論文在各領域不均衡，主要集中在“納米科技”、“無線通訊與人工智能”、“系統控制”等方向，其他方向捐助發文量較少，尤其是“醫學”和“社會科學”方面較弱。
納米科技、環境生態領域交叉度最高
交叉學科領域在科學結布光短發布
（圓代表學科交叉研究領域，圓越大代表包含論文越多）
學科交叉點一般是科學新的生長點，最后可能造成科學發生革命性變化。這次報告對交叉學科的情況也進行了剖析。研究人員劃分，倘若研究領域中一個學科的核心論文比列大于60%量子物理學基礎知識網絡圖，該研究領域就屬于交叉學科。對研究領域的學科交叉性進行剖析后，她們發覺，納米科技及環境與生態領域的交叉度最高，其次是與智能決策和智能控制相關的研究。
臨床醫學與生物科學的學科交叉研究領域相對較少。天文學與數學學研究大類中的學科交叉研究領域最少。
納米科技及環境與生態領域中的交叉學科包括“鈣鈦礦材料與元件”、“納米材料”、“納米催化”、“儲能材料與元件”、“納米生命科學”、“環境整治”、“生態學”、“低碳經濟”等量子物理學基礎知識網絡圖，智能決策和智能控制相關的交叉學科包括“無線通訊與人工智能”、“系統與控制”內的部份研究等，臨床醫學與生物科學的學科交叉研究領域主要集中在“腸道微生物”、“傳染病研究”、“社會醫學”、“孤獨癥”、“腫瘤基因”等方面。
中科院科技戰略咨詢研究院副主任張鳳表示，為闡明科學研究結構及找尋重點研究方向，戰略咨詢院研究團隊周期性檢測科學研究結構及其演化規律，檢測科學發展趨勢，已相繼出版四部科學結布光譜專著。此次發布的科學結布光譜，首次改進了原有的研發方式，使用深度學習算法改進原有的網路降維及可視化算法，支持更大量的數據剖析。從結果看，降維愈發均勻、準確，闡明的科學結構更為細致，并在可視化細節闡明上也有較大改進。
