4月30日，中国科大学科技战略咨询研究院在京发布《科学结布光谱2021》，此科学结布光谱是以2012年至2017年10223个研究前沿中包含的高被引论文数据为根据。研究发觉，全球科学研究结构稳中有新，中国科研优势研究领域逐渐稳固。
全球涌现近百个新研究热点
《科学结布光谱2021》显示，科学研究结构的布局总体稳定。科学研究领域数目持续扩大，科学研究前沿不断延展，新兴研究领域不断涌现，学科交叉融合的现象越来越显著。
全球热点研究前沿的焦点是人类可持续发展的重大问题，与能源、环境、人类健康、资源借助等可持续发展相关，出现了“先进能源”、“环境整治”、“纳米生命科学”、“海洋资源”以及与能源、环境、生命健康等息息相关的新材料、新元件等热点研究前沿，正成为科技创新发展的强大驱动力。目标导向的基础研究与应用研制结合更加紧密，应用性牵引趋势显著，传统意义上的基础研究、应用研究的边界日趋模糊。
科学研究与工程结合逐步向应用转化的研究问题越来越广，例如从催化到生物质能、页岩气、热能等新能源的研究，环境与健康结合产生“环境整治”群组，柔性材料到可穿戴设备，3D和4D复印技术、智能电网、智慧城市的快速发展，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。
科学结构2012-2017群组图
从近两期科学结布光谱来看，持续莱州度论文区域的研究热点主要包括“量子化学”、“机器学习”、“无线通讯”、“粒子化学”、“有机合成方式”、“系统与控制”、“冠心病”、“表观遗传调控”、“植物基因调控”等。本期密度增高的热点研究中，莱州度热点研究集中在“肠道微生物”、“二维材料”、“超材料”、“环境整治”、“脑结构与功能”、“肿瘤免疫医治”、“卫生保健”、“天文学”等。
在“科学结构2012-2017”中，出现了97个新兴热点研究领域。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“黑色素瘤医治”相关研究，分别包含125篇和64篇论文，发觉新病毒以及新疗法（技术）的出现是产生新的研究领域的主因。
中国科研优势研究领域逐渐稳固
2012-2017核心论文份额分布图（中国）
基于科学结布光谱，从国家科学研究的结构上反映了中国及代表性国家在不同研究领域的活跃程度及其变化趋势。研究结果显示，中国在世界热点研究领域中的科研制展迅猛。中国的核心论文份额跻身世界第二位，较上一期下降2.6个百分点，增速23%。中国的核心论文份额接近世界排行第三的日本的2倍。
中国的研究领域覆盖率上升，但仍有28%的研究领域没有发文。报告显示，中国研究领域覆盖率从世界排行第五位上升到第四位，且覆盖率呈现明显上升趋势，从66.7%上升到72.0%。新增研究领域的覆盖率也有小幅下降，从48.3%下降到49.5%。中国优势研究领域主要囊括纳米科技、计算机与工程、环境整治等，中国在“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。
在政府资助产出的核心论文数目及分布方面，研究人员发觉，2012年至2017年期间，与其他国家相比，中国政府捐助论文占发表核心论文的比列最高，达到81.4%。这与中国科研的进步、政府科研经费高投入有密不可分的关系。
不过，数据也显示，中国政府资助产出的核心论文在各领域不均衡，主要集中在“纳米科技”、“无线通讯与人工智能”、“系统控制”等方向，其他方向捐助发文量较少，尤其是“医学”和“社会科学”方面较弱。
纳米科技、环境生态领域交叉度最高
交叉学科领域在科学结布光短发布
（圆代表学科交叉研究领域，圆越大代表包含论文越多）
学科交叉点一般是科学新的生长点，最后可能造成科学发生革命性变化。这次报告对交叉学科的情况也进行了剖析。研究人员划分，倘若研究领域中一个学科的核心论文比列大于60%量子物理学基础知识网络图，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剖析后，她们发觉，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。
临床医学与生物科学的学科交叉研究领域相对较少。天文学与数学学研究大类中的学科交叉研究领域最少。
纳米科技及环境与生态领域中的交叉学科包括“钙钛矿材料与元件”、“纳米材料”、“纳米催化”、“储能材料与元件”、“纳米生命科学”、“环境整治”、“生态学”、“低碳经济”等量子物理学基础知识网络图，智能决策和智能控制相关的交叉学科包括“无线通讯与人工智能”、“系统与控制”内的部份研究等，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”、“传染病研究”、“社会医学”、“孤独症”、“肿瘤基因”等方面。
中科院科技战略咨询研究院副主任张凤表示，为阐明科学研究结构及找寻重点研究方向，战略咨询院研究团队周期性检测科学研究结构及其演化规律，检测科学发展趋势，已相继出版四部科学结布光谱专著。此次发布的科学结布光谱，首次改进了原有的研发方式，使用深度学习算法改进原有的网路降维及可视化算法，支持更大量的数据剖析。从结果看，降维愈发均匀、准确，阐明的科学结构更为细致，并在可视化细节阐明上也有较大改进。
