論文の概要: Deep versus Broad Technology Search and the Timing of Innovation Impact

• arxiv url: http://arxiv.org/abs/2601.00871v1
• Date: Tue, 30 Dec 2025 15:29:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-06 16:25:21.812699
• Title: Deep versus Broad Technology Search and the Timing of Innovation Impact
• Title（参考訳）: ディープ・バイ・ブロード・テクノロジー・サーチとイノベーション・インパクトのタイミング
• Authors: Likun Cao, James Evans,
• Abstract要約: 我々は、アメリカの490万件の特許を分析し、調査戦略が影響蓄積の時間的パターンをいかに引き起こすかを調べる。 複雑な組換え構造を専門的に理解したディープサーチに基づく発明が,特定コミュニティにおける早期導入を通じて短期的影響を高めることが確認された。 異なる領域にまたがる広い探索に根ざした発明は、初期の抵抗に遭遇するが、認知的に多様なオーディエンスにリーチすることで、より広範な拡散と長期的な影響を達成できる。
• 参考スコア（独自算出の注目度）: 3.4090089330250724
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This study offers a new perspective on the depth-versus-breadth debate in innovation strategy, by modeling inventive search within dynamic collective knowledge systems, and underscoring the importance of timing for technological impact. Using frontier machine learning to project patent citation networks in hyperbolic space, we analyze 4.9 million U.S. patents to examine how search strategies give rise to distinct temporal patterns in impact accumulation. We find that inventions based on deep search, which relies on a specialized understanding of complex recombination structures, drive higher short-term impact through early adoption within specialized communities, but face diminishing returns as innovations become "locked-in" with limited diffusion potential. Conversely, when inventions are grounded in broad search that spans disparate domains, they encounter initial resistance but achieve wider diffusion and greater long-term impact by reaching cognitively diverse audiences. Individual inventions require both depth and breadth for stable impact. Organizations can strategically balance approaches across multiple inventions: using depth to build reliable technological infrastructure while pursuing breadth to expand applications. We advance innovation theory by demonstrating how deep and broad search strategies distinctly shape the timing and trajectory of technological impact, and how individual inventors and organizations can leverage these mechanisms to balance exploitation and exploration.
• Abstract（参考訳）: 本研究は、動的集団知識システム内での創発的探索をモデル化し、技術的影響のタイミングの重要性を浮き彫りにすることで、イノベーション戦略における深み-幅-幅の議論の新たな視点を提供する。 ハイパーボリック空間における特許引用ネットワークをプロジェクションするためにフロンティア機械学習を用いて、我々は490万件の米国特許を分析し、どのようにサーチ戦略が影響蓄積の時間的パターンを生じさせるかを調べる。 複雑な組換え構造を専門的に理解したディープサーチに基づく発明は, コミュニティ内での早期導入を通じて短期的影響を高めるが, 限られた拡散ポテンシャルでイノベーションが「ロックイン」されるにつれて, 利益の減少に直面している。 逆に、異なる領域にまたがる広い探索に根ざした発明は、初期の抵抗に遭遇するが、認知的に多様なオーディエンスにリーチすることで、より広範な拡散と長期的な影響を達成できる。 個々の発明は、安定した影響のために深さと幅の両方を必要とする。 複数の発明にまたがるアプローチの戦略的バランスをとることができる。ディープを使用して信頼性の高い技術インフラを構築し、アプリケーションの拡大を追求する。 我々は、ディープ・ワイド・サーチ・ストラテジーが、技術的影響のタイミングと軌跡を明確に形成し、個々の発明家や組織がこれらのメカニズムを利用して、搾取と探索のバランスをとる方法を示すことによって、イノベーション理論を前進させる。

関連論文リスト

• WebResearcher: Unleashing unbounded reasoning capability in Long-Horizon Agents [72.28593628378991]
  WebResearcherは、マルコフ決定プロセスとしてディープリサーチを再構築する反復的なディープリサーチパラダイムである。 WebResearcherは最先端のパフォーマンスを実現し、フロンティアのプロプライエタリシステムを超えています。
  論文  参考訳（メタデータ） (2025-09-16T17:57:17Z)
• AI-Driven Automation Can Become the Foundation of Next-Era Science of Science Research [58.944125758758936]
  科学科学(Science of Science, SoS)は、科学的発見の基礎となるメカニズムを探求する。 人工知能(AI)の出現は、次世代のSoSに変革の機会をもたらす。 我々は、従来の手法よりもAIの利点を概説し、潜在的な制限について議論し、それらを克服するための経路を提案する。
  論文  参考訳（メタデータ） (2025-05-17T15:01:33Z)
• WISDOM: An AI-powered framework for emerging research detection using weak signal analysis and advanced topic modeling [1.8434042562191815]
  我々は、新たな研究テーマを検出するために、WISDOMと呼ばれる自動化人工知能対応フレームワークを提案する。 WISDOMは、高度なトピックモデリングと弱い信号分析を用いて、新たな研究テーマを検出する。 水中センシング技術の分野において,WISDOMによる研究の進展と動向の把握における性能の評価を行った。
  論文  参考訳（メタデータ） (2024-09-09T18:08:08Z)
• Large Language Model for Patent Concept Generation [2.4368308736427697]
  既存の大規模言語モデル(LLM)は、専門知識の欠如により、革新的な概念生成に不足することが多い。 我々は、LLMベースのAIを自律的にマイニングし、理解し、適用するための新しい知識微調整(KFT)フレームワークを提案する。 本稿では,知識注入事前学習(KPT),ドメイン固有教師付き微調整(SFT),人的フィードバックからの強化学習を統合した。
  論文  参考訳（メタデータ） (2024-08-26T12:00:29Z)
• DeepSpeed4Science Initiative: Enabling Large-Scale Scientific Discovery through Sophisticated AI System Technologies [116.09762105379241]
  DeepSpeed4Scienceは、AIシステム技術革新を通じてユニークな機能を構築することを目指している。 我々は、構造生物学研究における2つの重要なシステム課題に対処するために、DeepSpeed4Scienceで行った初期の進歩を紹介した。
  論文  参考訳（メタデータ） (2023-10-06T22:05:15Z)
• A new mapping of technological interdependence [0.0]
  隣人の革新性とイノベーターネットワークの構造が,新しい技術開発におけるセクターの能力に与える影響について検討する。 長い目で見れば、ネットワークリンクの影響は、近隣の革新的なものと同じくらい重要である。
  論文  参考訳（メタデータ） (2023-07-31T07:37:37Z)
• Deep Causal Learning: Representation, Discovery and Inference [2.696435860368848]
  因果学習は、現象の基盤となり、世界が進化するメカニズムを規定する本質的な関係を明らかにする。 従来の因果学習手法は、高次元変数、非構造変数、最適化問題、未観測の共同設立者、選択バイアス、推定不正確さなど、多くの課題や制限に直面している。 ディープ・因果学習はディープ・ニューラルネットワークを活用し、これらの課題に対処するための革新的な洞察と解決策を提供する。
  論文  参考訳（メタデータ） (2022-11-07T09:00:33Z)
• Foundations and Recent Trends in Multimodal Machine Learning: Principles, Challenges, and Open Questions [68.6358773622615]
  本稿では,マルチモーダル機械学習の計算的基礎と理論的基礎について概説する。 本稿では,表現,アライメント,推論,生成,伝達,定量化という,6つの技術課題の分類法を提案する。 最近の技術的成果は、この分類のレンズを通して示され、研究者は新しいアプローチの類似点と相違点を理解することができる。
  論文  参考訳（メタデータ） (2022-09-07T19:21:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。