技术网络：创新的自动催化起源

然而，随着时间的推移，越来越多的图片浮出水面，到2011年，ACS覆盖了除D（纺织品；纸张）以外的所有部分，D（纺织品；纸张）一直保留在ACS的外面，只偶尔出现。图6所示的进一步观察涉及ACS和网络其余部分的不同组成；尽管后者在整个1980-2011年期间呈现出相当均匀的剖面分布，但ACS的特点是均匀性较差，动态性更丰富。考虑到上述不均匀性，还可以定量评估技术网络不断增长的自催化结构中截面的不均匀分布。为此，我们可以想象有一个装满不同颜色大理石的瓮，每个大理石对应一个不同的部分，其中每个大理石代表一个IPC类别。瓮中有不同数量的每种颜色的大理石，我们想取样的大理石数量与ACS中的等级一样多。无效的假设是抽样是随机的，这意味着大理石是从瓮中盲目抽样的。另一种假设是采样过程是参考的，并且倾向于为特定的颜色子集提供特权。我们将随机抽样的无效假设与Fisher\'snon-central超几何分布的有偏抽样的替代假设进行了检验[41]，并发现从1980年到2011年的每一年，统计数据都高于5%显著性的临界值（详情见附录B）。这表明，在所考虑的时期内，ACS的占用率存在明显偏向于某些路段，并表明，尽管ACS的扩张在ACS及其核心地带带来了更多路段，但分布仍然不均匀。如果我们查看属于ACS的每个节段的节点份额，图7中观察到的模式也很明显。

例如，图7显示，在最近几年的样本中，一个部分H（电力）完全包含在ACS的核心中，而E类（固定结构）的情况则不太清楚，在最后十年中，对于大型建筑也是如此。第F节和第G节似乎显示出一种增长趋势，即y对ACS的贡献。剩下的部分在ACS中拥有相对稳定的课程份额。过去十年的相关数据突出了技术网络自动催化结构的强大通用性。到目前为止，我们已经看到，ACS的扩张在ACS及其核心地区带来了更多的部门，尽管仍然存在不均匀分布，在整个时期内，ACS几乎没有一些部门。此外，作为ACS最重要的部分，a（人类必需品）和C（化学和冶金）向H（电）转变，表明化学和1980-1990-2000-20100.5A1980-1990-2000-20100.5B1980-1990-2000-20100.5C1980-1990-2000-20100.5D1980-1990-2000-20100.5E1980-1990-2000-20100.5F1980-1990-2000-20100.5HF图7：八个技术操作中每个操作的ACS节点比例的时间序列。绘制的值是每个部分属于ACS的类数与部分总大小的比率。20世纪80年代的冶金学以21世纪的电力作为创新的驱动力。通过查看图8a中所示技术网络的邻接矩阵和图8b中绘制的路段内和路段之间链接的相对分布，可以进一步明确各个路段的相关性。

请注意，图8a的矩阵是根据IPC类代码的字典顺序排序的，因此节点是根据它们所属的部分分组在一起的。块对角结构的存在表明大多数链接发生在同一节的类之间。然而，这种模式的证据似乎在图8a（描绘了1998年（样本的中心年份）技术网络的邻接矩阵）和图8b（总结了整个时期的证据）中混合在一起。请注意，技术网络中的各个部分在连通性和连通性方面并不都相等。例如，B节和D节似乎大部分都有自包含的重要链接，这表明IPC的层次结构捕捉到了感兴趣的读者的程度，请参考C节信息，以便在更广泛的年份选择中描述邻接矩阵。（a） 1998.1980、1985、1990、1995、2000、2005、20100.10.20.30.40.50.60.70.80.9路段之间（b）路段内和路段间连接部分的连接比例。图8：在左面板中，121个IPC技术类别是根据从A（人类必需品-深蓝色-在左上角）到H（电-棕色-在右下角）的部分进行排序的。黑色元素表示类别之间的统计显著联系。右侧面板绘制了一段时间内段内和段间链接的时间序列。与运输、纺织和造纸相关技术的知识溢出。另一方面，C段和A段，以及G段和H段，似乎共享许多切入段边界的链接。

这表明，相关溢出可能发生在“远距离”（和多用途）技术之间，并且自动催化结构的支持在影响链接分布方面发挥了相关作用。换言之，以专利的生产来衡量，创新可能在部门之间产生与部门之间一样多的联系。自催化结构thu s在确定技术进步驱动力边界方面的重要性至少与部门的重要性相当。5结论本研究是通过检测专利数据库的自动催化结构来揭示推动技术变革的累积因果过程的第一步。我们的结果可以总结为三个要点。首先，专利技术代码网络所描述的技术景观的特点是一个清晰的自催化结构，多年来，该结构已经发展到涵盖大多数技术类别。其次，根据包含自动催化装置的专利数量的增长率衡量，自动催化装置中涉及的类别在创新性方面表现更好。最后，技术网络的自动催化结构比数据库的层次结构更加明显和强大，因为许多链接连接不同部分的类，就像连接同一部分的类一样。这意味着，跨学科技术互动产生的重组创新是技术变革的典型事实。我们相信，我们基于检测自催化结构的方法可以成功地扩展到更基本的方面。我们在技术系统中研究自催化的灵感至少部分归功于[1，36，4]的工作，他提出将自催化网络作为相互关联生物物种的自组织模型。

然而，这些模型的一个独特特征是，驱动物种进化的快速动力学和通过物种替换或突变对网络链接进行“重组”的缓慢动力学相互作用。在这项工作中，weinstead假设快速动力学的等效物作用于技术代码的总体，并观察不断变化的网络，而不提供其演化模型或其与慢速动力学的关系。其中一个原因是，虽然可以合理地假设生物网络中的人口和网络进化发生在非常不同的时间尺度上，但这在创新领域似乎不太可能，直觉表明各个技术领域的成功及其相互作用可能会以更相似的速度发生变化。原则上，技术代码是一种强大的工具，不仅可以探索影响技术进步的不同时间尺度，还可以探索技术定义和分类的不同尺度。例如，最近的研究发现，大约60%的新专利使用了新的代码组合，这些代码组合取自最新版本的技术分类。此外，代码的一个有趣特性是，它们所提取的类别不是静态的，而是随着时间的推移而变化，以跟上技术变革的步伐。事实上，现有知识的重组似乎是创新的一个显著特征，这是一个程式化的事实，可以通过改变分类系统直接观察到[43，44]。

基于我们的研究，我们设想了未来研究的两个主要途径：第一，在不同的技术分类尺度下对自催化集进行实证分析，以揭示可能的分形结构；第二，一个能够再现和解释技术评估经验网络统计特征的建模框架。从方法学的角度来看，利用与专利有关的根本不同的数据，如引用网络[45，46]或专利文件或专利族中技术代码的共同出现，探索相同的问题将是有趣的。本文是一个更广泛研究项目的初始阶段，旨在实证评估和理解社会系统中的累积因果关系[47]。在技术变革领域，这一研究领域的结果对企业和机构层面的技术投资战略以及创新政策具有潜在的相关影响。更具体地说，了解各个技术领域在更广泛的技术体系演变中的作用，对于制定应对当今时代不同挑战的政策，从经济发展和不平等到能源、安全和气候变化，具有极其重要的意义。参考文献【1】考夫曼公司。蛋白质的自动催化集。理论生物学杂志。1986;119(1):1–24.[2] Arthur B.竞争技术，收益递增，历史事件锁定。《经济学杂志》，1989年；99:116–131.[3] Dom'nguez Garc'a V，Mu'noz MA。在互惠网络中对物种进行排序。科学报告。2015;5.[4]Jain S，Krishna S.《进化模式中的大灭绝：创新和关键物种的角色》。美国国家科学院学报。2002;99(4):2055–2060.[5] 熊彼特JA。经济发展理论。

马萨诸塞州剑桥：哈佛大学出版社；1934年[6]纳尔逊·RR，温特SG。关于经济变化的进化论。马萨诸塞州剑桥：哈佛大学出版社；1982年。【7】Fren ken K、Izquierdo LR、Zep pini P。分支创新、重组创新和内源性技术转型。环境创新和社会转型。2012;4:25–35.[8] Strumsky D，Lobo J，Van der Leeuw S.使用专利技术代码研究技术变化。创新和新技术经济学。2012;21(3):267–286.[9] Loreto V，Servedio VD，Strogatz SH，Tria F.《扩展空间的动力学：新事物的出现建模》。In：语言的创造性和普遍性。斯普林格；2016年，第59-83页。[10] Iacopini I，Milojevi\'c S，Latora V.创新过程的网络动力学。Physicalreview信函。2018;120(4):048301.[11] Patel P，Pavitt K.全球最大企业的技术能力：复杂且依赖路径，但种类不多。研究政策。1997;26(2):141–156.[12] Gambardella A，Torrisi S.技术融合是否意味着市场融合？来自电子行业的证据。研究政策。1998;27(5):445–463.[13] Korzinov V，Savin I.通用技术作为一种新兴财产。技术预测和社会变革。2017;.[14] Powell WW、White博士、Kopu r KW、Owen Smith J.《网络动力学和领域演化：生命科学中组织间协作的增长》。美国社会学杂志。2005;110(4):1132–1205.[15] Ahuj a G.《协作网络、结构漏洞和创新：一项纵向研究》。行政科学季刊。2000;45(3):425–455.[16] Hagedoorn J.《企业间研发伙伴关系：1960年以来的主要趋势和模式概述》。研究政策。2002;31:477–492.[17] K¨onig MD，Battiston S，Napoletano M，Schweitzer F.研发网络的效率和稳定性。

游戏与经济行为。2012;75(2):694–713.[18] Roijakkers N，Hagedoorn J.制药生物技术企业间研发合作1975：趋势、模式和网络。研究政策。2006;35(3):431–446.[19] Hanaki N，Nakajima R，Ogura Y.IT行业研发合作的动态。研究政策。2010;39(3):386–399.[20] 纽曼梅杰。科学协作网络的结构。国家科学院学报。2001;98(2):404–409.[21]Barab^asi AL，Jeong H，N'eda Z，Ravasz E，Schubert A，Vicsek T.科学合作社会网络的演变。物理学A：统计力学及其应用。2002;311(3):590–614.【22】Goyal S，Leij MJVD，Moraga Gonz\'alez JL。经济学：一个新兴的小世界。政治经济学杂志。2006;114(2):403–412.[23]Letterie W，Hagedoorn J，van Kranenburg H，Palm F.通过效忠收集信息。经济行为与组织杂志。2008;66(2):176–194.[24]Pugliese E、Cimini G、Patelli A、Zaccaria A、Pietroniro L、Gabrielli A.为国家发展展开创新体系：科学、技术和生产的共同进化。arXiv预印本arXiv:1707.05146；2017年【25】Griliches Z.专利与技术。马萨诸塞州剑桥：哈佛大学出版社；1998年。【26】Hall BH，Jaffe AB，Trajtenberg M.《美国国家经济研究局专利引用数据文件：教训、见解和方法工具》。国家经济研究局；2001年。【27】卡斯塔尔迪C、弗伦肯K、洛斯B。相关品种、非相关品种和技术突破：美国国家级专利分析。区域研究。2015;49(5):767–781 .【28】PATSTAT。EPO全球专利统计数据库-2014年春季版。欧洲专利局；2014年【29】Balassa B.《贸易自由化和“显示的”比较优势》。曼彻斯特学校。

1965;33(2):99–123.[30]Teece DJ，Rumelt R，Dosi G，Winter S.理解企业一致性：理论与证据。经济行为与组织杂志。1994;23(1):1–30.[31]Zaccaria A、Cristelli M、Taccella A、Pietronero L.产品分类法如何推动各国的经济发展。公共科学图书馆一号。2014;9（12）：e113770。[32]Yan B，Luo J.测量专利映射的技术距离。信息科学和技术协会杂志。2017;68(2):423–437.【33】Saracco F，Di Clemente R，Gabrielli A，Squartini T.随机二部网络：世界贸易网案例。科学报告。2015;Colquhoun D.关于错误发现率和P值误解的调查。皇家学会开放科学。2014;1(3):140216.【35】Benjamini Y，Hochberg Y.控制错误发现率：一种实用且强大的多重测试方法。《皇家统计学会杂志》B辑（方法学）。1995;p、 289–300。[36]Jain S，Krishn a S.进化网络中合作、相互依存和结构的出现模型f。美国国家科学院学报。2001;98(2):543–547.[37]Jain S，Krishna S.图论与自催化网络的演化。arXiv预印本编号：0210070。2002;.【38】罗斯布卢姆UG。非负矩阵的代数特征空间。线性代数及其应用。1975;12(3):281–292.[39]Jain S，Krishna S.16图论与自催化网络的演化。图表和网络手册：从基因组到互联网。2006;.[40]Taccella A、Cristelli M、Caldarelli G、Gabrielli A、Pietronero L.国家能力和产品复杂性的新指标。科学报告。2012;Fog A.Wallenius和Fisher非中心超几何分布的采样方法s。统计学中的通信.模拟和计算。

2008;37(2):241–257.[42]Youn H，Str umsky D，Bettencourt L，Lobo J.发明作为一种组合过程：来自美国专利的证据。皇家学会界面杂志。2015;12(106).【43】Gkotsis P，Vezzani A.作为重组过程的技术差异。董事会增长与创新和JRC塞维利亚联合研究中心；2016年【44】Lafond F，K im D.美国专利分类系统的长期动态。atSSRN可用：https://ssrn.com/abstract=2924387; 2017年【45】Hall BH，Jaffe A，Trajtenberg M.市场价值和专利引用。兰德经济杂志。2005;p、 16–38岁。【46】’Erdi P、Makovi K、Somogyv'ari Z、Strandburg K、Tobochnik J、Volf P等。基于美国专利引文网络分析的合并技术预测。科学计量学。2013;95(1):225–242.【47】G室，Spence A，Evangelou E，Zeppini P，Pugliese E，Napolitano L.复杂社会系统累积创新动力学（DCICSS）。英国：巴斯大学。可访问：；2017年。IPC su B类的结果在本节中，我们检查了IPC子类定义的技术网络。图9显示了在子类级别上选择的ACS快照，而图10a和10b分别显示了ACS、其核心和网络其余部分中子类的平均能力和总能力的时间序列。与IPC课程一样（见图5），我们发现随着时间的推移，ACS及其核心的适用性呈现出明显的积极趋势。特别是，这两组子类的平均能力从ACS中的每个子类约1000项专利增长到每个子类约2000项专利，核心类的平均能力甚至增长得更多，达到每个子类约3000项专利（图10a）。与此同时，网络其余部分的平均能力仅略有增加，达到每个子类约500项专利。