Tracing the technological development trajectory in post-lithium-ionbattery technologies

摘要：

        首先，根据客观数据，我们确定了后锂离子电池技术目前的研究趋势和前景，帮助研发规划者确定其进一步的研发方向。对后锂离子电池技术发展轨迹的探索，可以为相关研究人员更好地了解动态和战略调整提供参考，对清洁能源和绿色化学的发展具有深远的意义。

        其次，它发现了交互知识领域的动态，这表 明技术收敛的趋势增加。在锂空气和锂硫电池的情况下，观察到有关核心电池组件（电池配置和电解 质)的知识领域与应用驱动的知识领域(电动汽车和电话）之间存在显著的相互作用。在钠离子电技 术的情况下这些相互作用的强度相当弱。因此，研究人员需要寻找他们传统知识边界之外的新知 识，以加速后锂离子电池的商业突破。特别是，与电动汽车相关的知识领域在所有被检查的电池技术 中都获得了重要意义，这反映了生产高能电池系统的驱动力。

        第三，通过比较不同机器学习算法的预测能力，它预测了那些在未来研究中可能获得更多相关性的知识领域。

数据：

        我们从德温特创新指数(DII)中收集了专利数据，该指数是最 全面的国际专利信息数据库之一，涵盖了自1963年以来来自全球 52个专利颁发机构的7000万项专利。

算法：

        在选择最优机器学习算法 方面，我们测试了三种不同的分类器(支持向量机(SVM)、高斯朴素贝叶斯和决策树分类器)，比较了它们的性能，并使用机器预测 模型预测了最佳的预测性能。

input：

        

 

Train：

        随机抽样，80%的特征向量用于训练所选的分类器，而测试使用剩下的20%。通过计算精度、精度和召回度 量，验证了分类器模型的性能。

时间划分：

        本研究主要分析自2008年起被审查的专利数据，以 描述专利活动中最新的知识互动趋势。将纳入的年份分为三个不 同的时间间隔(2008-2010；2011-2013；2014-2016)，以捕捉每种 电池技术的进化动态。我们使用了四位数的专利分类方案。组级 信息)，以获得知识区域如何相互关联的更细粒度的图像，并将网络可视化的复杂性保持在一定的范围内。

评价指标：

实验结果：