Machine Learning Insights into Hypersonics Research Evolution: A 21st Century Perspective
Notice bibliographique
Résumé
In recent years, the field of hypersonics has witnessed substantial growth in research and development activities, driven by its diverse range of applications spanning both military and commercial sectors. Governments and private companies in several countries have made substantial investments in hypersonic technologies to gain a competitive edge, secure or enhance strategic capabilities, and bolster deterrence measures. In this rapidly evolving landscape, the ability to swiftly and accurately identify emerging technologies becomes paramount. Leveraging the advancements in information technology and computer science, which enable the analysis of vast datasets and the extraction of concealed trends and patterns, this study aims to provide valuable insights to decision-makers in the hypersonics domain. Our focus is on scientific publications related to hypersonics, encompassing the years 2000 to 2020. We employ state-of-the-art natural language processing and machine learning techniques to comprehensively characterize the research landscape. The urgency of this endeavor lies in the necessity for organizations to remain at the forefront of hypersonic research. By algorithmically identifying and tracking 12 key latent research themes and examining their temporal evolution, we offer a structured and objective analysis of the field. Our methodology eliminates subjectivity from the assessment, facilitating consistent comparisons both across topics and across different time intervals. In addition, through our extensive publication similarity analysis, we uncover nuanced patterns that shed light on the cyclical nature of research trends over the two decades under investigation. This comprehensive examination of the hypersonics research landscape not only underscores its critical significance but also provides a robust foundation for informed decision-making. As such, our study serves as a valuable resource for stakeholders seeking to navigate the dynamics of the rapidly advancing field of hypersonics effectively. Received: 2 August 2023 | Revised: 25 September 2023 | Accepted: 12 October 2023 Conflicts of Interest The authors declare that they have no conflicts of interest to this work. Data Availability Statement Data are retrievable by running the search query mentioned in the manuscript on the data source, i.e., Scopus. In addition, the raw data can be made available upon request. Please contact the corresponding author.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,025 | 0,031 |
| Études des sciences et des technologies | 0,002 | 0,007 |
| Communication savante | 0,011 | 0,016 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».