2019年11月26日， 中国科学院科技战略咨询研究院、中国科学院文献情报中心与科睿唯安在北京联合向全球发布了《2019研究前沿》 报告和《2019研究前沿热度指数》报告。《2019研究前沿》报告遴选展示了10个大学科领域中的100个热点前沿和37个新兴前沿。
JAS为您遴选数学、计算机科学与工程学领域
Top 10 热点前沿发展态势~
1. 热点前沿及重点热点前沿解读
1.1 数学、计算机科学与工程学领域Top 10 热点前沿发展态势
数学、计算机科学与工程学领域位居前10 位的热点前沿主要集中于高阶非线性薛定谔方程孤子解求解及应用、基于多种理论的决策方法研究、时滞系统稳定性分析方法、无人机中继网络的部署和轨迹优化、云计算环境中的数据安全、非正交多路访问网络、水下瞬态空化湍流的数值模拟、高温构件寿命预测及可靠性评估、电动汽车用锂离子电池的荷电状态估计、Ga2O3 材料生长及器件研制等主题的研究。
与2013-2018 年相比，2019 年Top 10 热点前沿既有延续又有发展。非线性方程求解及其应用问题连续多年入选本领域的热点前沿或新兴前沿。决策方法研究、时滞系统稳定性分析方法研究、电动汽车用锂离子电池状态估计也是历年研究前沿中的重要研究主题。其余的热点前沿均为首次入选。
表1 数学、计算机科学与工程学领域Top 10 热点前沿
图1 数学、计算机科学与工程学领域Top10 热点前沿的施引论文
1.2 重点热点前沿——“云计算环境中的数据安全研究”
随着分布式计算、并行计算、虚拟化、均衡负载等传统计算机技术和网络技术的发展，2006年，谷歌公司首次提出“云计算”这一概念。美国国家标准与技术研究院（NIST）将云计算定义为“一种可以使无处不在、方便、按需的网络访问到可配置的计算资源（如网络、服务器、存储器、应用程序和服务），这些资源可以快速配置并且以最小的管理工作或服务提供者间的互动发布”。云计算自提出来，便得到业界的广泛关注和支持，利用云计算服务，企业只需向云服务提供商申请适量的资源，按需付费就能处理其日常业务，大大降低了其运营成本。
随着云计算服务商业模式的成熟，在云服务器端上部署应用及服务已经成为一个趋势。但由于人们对网络的过度依赖和网络自身固有的脆弱性，使得网络面临着前所未有的安全问题，特别是存储在云服务器中的各种数据资源和用户隐私信息。例如信息的非法拷贝、伪造或篡改，软件代码的非法盗用和电子商务信息的冒名盗用、篡改等一系列问题。这些问题对云计算中的网络及数据安全提出了极大的考验。近年来，不少知名公有云频繁遭受黑客攻击造成数据泄漏事件。因此，如何保证云计算的安全性和可靠性，己成为该领域亟待解决的核心问题。
热点前沿“云计算环境中的数据安全研究”热点前沿包括43 篇核心论文，聚焦在云计算环境下的基于语义特征的文档检索方案、加密图像检索技术、数据存储安全、访问控制方案、高效任务分配策略、图像数字水印技术研究等。
中国主导或参与了全部43 篇核心论文的研究工作，美国、加拿大、韩国的核心论文数量分列第2、3、4 位，均贡献了超过10% 的核心论文。Top 产出机构方面，中国机构的表现亮眼，南京信息工程大学参与了全部核心论文的工作并与多个国家的研究机构进行了合作，中国科学院、香港城市大学也参与贡献了3 篇核心论文。除此之外，美国、加拿大以及韩国的研究机构也位列核心论文Top 产出结构。
表2 “云计算环境中的数据安全研究”研究前沿中核心论文的Top 产出国家/ 地区和机构
从施引论文的角度来看（表3），中国的施引论文最多，达1985 篇，占全部施引论文的88.3%。美国的施引论文位列第2 位，占16.3%。施引论文Top 10 机构全部来自中国，南京信息工程大学、中国科学院、西安电子科技大学、武汉大学、南京邮电大学是施引论文数量最多的5 所机构。
表3 “云计算环境中的数据安全研究”研究前沿中施引论文的Top 产出国家/ 地区和机构
1.3 重点热点前沿——“电动汽车用锂离子电池的荷电状态估计”
作为电动汽车发展的核心技术之一的动力电池及其管理系统（BMS）是电动汽车产业化的关键。准确进行电池荷电状态（SoC）的估计以及高效的电池均衡控制对最大限度的发挥电池效率、提高电池使用寿命、提升整车性能具有重要意义。
目前常用的SoC 估计方法是使用卡尔曼滤波器进行基于模型的在线迭代估计，通过建立电池的等效电路模型来分析电池外部特性从而计算荷电状态。因此，将精确的电池模型与非线性滤波算法相结合，就成为了研究SoC 估计算法的热点和趋势。而该研究前沿的核心论文就体现了这一趋势。一方面，这些论文在建模时分别考虑了不同电池老化水平、环境温度和充放电效率等因素，在测量手段和电池模型参数辨识方法上进行深入研究，比如通过电化学方程改进集总参数电池模型、建立结合开路电压（OCV）-SoC 温度表的温度模型。另一方面，为了提高卡尔曼滤波器在SoC估计中的性能，开发了多尺度扩展卡尔曼滤波、采用协方差匹配方法的自适应扩展卡尔曼滤波等，在保证精确性的同时减小算法的复杂性，以利于工程应用。
从该研究前沿的核心论文产出国家和机构来看（表4），共有10 个国家参与发表45 篇核心论文，其中，中国的表现最为活跃，参与发表的核心论文数达到核心论文总数的80%。美国和澳大利亚分列第2、3 位，新加坡和瑞典紧随其后。从机构来看，中国的北京理工大学参与发表核心论文数遥遥领先，达到20 篇。其次为重庆大学和新加坡南洋理工大学，中国科学院和香港城市大学也榜上有名。
表4 “电动汽车用锂离子电池的荷电状态估计”研究前沿中核心论文的Top 产出国家和机构
从该研究前沿的施引论文情况来看（表5），中国是该领域最活跃的国家，参与发表617 篇论文，占施引论文总数的59.9%。其次为美国和英国。在施引论文Top10 机构中，中国机构占了8 席，北京理工大学仍是排名第1。新加坡南洋理工大学和美国密歇根大学也有所体现。
表5 “电动汽车用锂离子电池的荷电状态估计”研究前沿中施引论文的Top 产出国家和机构
2. 新兴前沿及重点新兴前沿解读
2.1 新兴前沿概述
数学、计算机科学与工程领域有5 项研究入选新兴前沿，分别是数学领域的“时间分数阶发展方程求解”、“基于最小二乘的迭代参数估计算法及其应用”和“马尔可夫跳跃系统的H-infinity 控制”，计算机科学领域的“卷积神经网络在磁共振图像处理中的应用”以及工程学领域的“工业传感器网络及智能城市”（表6），下面对“卷积神经网络在磁共振图像处理中的应用”进行重点解读。
表6 数学、计算机科学与工程学领域的5 个新兴前沿
2.2 重点新兴前沿——“卷积神经网络在磁共振图像处理中的应用”
深度学习是机器学习的一个分支，近年来在计算机视觉领域取得了令人瞩目的成果，特别是卷积神经网络（CNN）在图像识别与检测问题上取得重大的突破。卷积神经网络由多个卷积层构成，可以自动从大量数据中学习不同的特征表达，识别出复杂的数据结构，捕捉输入与输出之间的非线性映射关系，不再依赖于手动提取特征，与传统机器学习方法相比具有更强大的特征学习和特征表达能力。
磁共振成像技术（MRI）可以无损地揭示内部组织器官的结构、代谢和功能。在过去二十年里，这种成像技术对诊断影像产生了革命性的影响，能够为临床提供高质量、安全的医学影像。深度卷积神经网络的热潮也席卷了磁共振图像处理领域，其应用聚焦在磁共振图像的重建、分割、分类、疾病检测、诊断以及脑医学等领域。
2019 年度新兴前沿“卷积神经网络在磁共振图像处理中的应用”研究了基于卷积神经网络的脑部、肌肉骨骼、神经等磁共振图像的分割、校正新方案，对广泛的神经退行性疾病的诊断、进展评估和治疗具有重要意义。其中香港中文大学、中国科学院深圳先进技术研究院、香港理工大学合作贡献了1 篇核心论文，提出了一种新颖的体素残差网络（VoxResNet）方法，通过将残差学习引入体积数据处理来应对3D 磁共振图像中关键脑组织分割的挑战性问题，应用效果显著。想获取完整报告，扫描下方二维码获取~
https://blog.sciencenet.cn/blog-3291369-1209037.html
上一篇：
数字孪生与平行系统：发展现状、对比及展望下一篇：
[转载]2019年度全球工程前沿研究报告
