SOA关键技术专利分析（一）

本研究探讨了半导体光放大器技术的发展趋势，从而为研发资源管理和新技术的推广提供参考。

摘要

随着 5G、移动通信和光通信技术的发展，半导体光放大器 （SOA） 已成为重要的研究课题。然而，大多数与 SOA 相关的研究都集中在技术讨论或市场研究上，但未能指出关键的 SOA 技术和 SOA 技术的发展趋势。因此，本研究对 SOA 专利进行了分析，并构建了 SOA 专利的技术网络。结果表明，关键的SOA技术主要应用于激光器、半导体激光器、光导、无线通信以外的电磁波传输通信以及控制光源的器件。在 5 项关键 SOA 技术中，激光器 （H01S3） 占比最高，为 22.21%。因此，并不侧重于特定的技术领域，而是具有多个技术领域的特征。此外，近年来半导体激光器也取得了长足的发展。最后，专利权人分析表明，对于 SOA 技术，公共部门和学术界在早期技术开发或后续技术开发中发挥的作用相对较弱。但是，随着移动通信和光通信的快速发展，各国政府可以考虑在未来投入额外的研发资金和资源。本文构建了专利技术网络模型，以探讨 SOA 技术的发展趋势。这个模型可以作为研发资源管理和新技术推广的参考。

关键词

半导体光放大器;半导体激光器;专利分析;专利网络;技术分析

1.引言

光信号在沿光纤传输时具有一定程度的损耗，传输距离受损耗的限制，因此，必须增强光信号才能长距离传输。传统的强化方法涉及使用再生器，但不同速率和信号格式需要不同的再生器，并且每个通道都需要单独的再生器，这需要高昂的网络成本。因此，需要一种不使用发射器的方法来增强光信号。光放大是一种不需要使用发射器的光增强方法。半导体光放大器 （SOA） 可以支持任何速率和信号格式，因为它们只是放大接收到的信号。此外，与光纤放大器相比，SOA 的结构更小，更容易与其他器件集成。随着新一波可穿戴设备和物联网，小型和低功耗元件越来越受到关注。因此，SOA 是主流研究中感兴趣的话题 [1–3]。

随着光通信技术的发展，对实现高速、大容量的需求越来越多，SOA 已成为一个重要的研究课题。根据市场研究机构 Technovio 的报告，2019 年至 2023 年期间，全球光放大器市场规模将增长 9.3594 亿美元，年复合年增长率 （CAGR） 接近 9% [4]。因此，全球 SOA 市场将继续增长 [5]，越来越多的研究集中在 SOA 技术的发展上 [1–3]。然而，以前的研究主要集中在技术细节的讨论 [6–8] 或市场研究 [5,9]。这些研究未能指出推动 SOA 发展的关键技术，具体来说，SOA 用于多个领域，包括光纤、激光器、光学元件、半导体制造和通信元件。因为 SOA 具有无限的未来业务可能性，所以识别关键技术很重要。对于研究型大学或企业来说，最关键的问题是资源配置，即确定要投资于不同技术领域的人员数量或资金量。本文试图通过对关键技术使用网络分析方法，解释不同技术领域在技术网络中的地位和位置，并确定关键技术来解决这个问题。本研究的重点是通过专利分析构建了 SOA 技术网络模型。专利是衡量创新产出的最直接证据，可以作为观察技术发展趋势的指标[10–12]，可以使用专利进行产学研技术合作成果的研究[13‒14]或工业技术的相关研究[15‒16]，专利信息可以作为技术发展的最直接指标之一。本研究根据专利信息考察了 SOA 技术发展趋势和关键技术领域。总体而言，本研究与以前讨论 SOA 技术和市场方面的研究不同，因为它主要讨论 SOA 的关键技术，建立技术网络模型和并探讨技术发展趋势。本研究结果可为政府、学术界和工业界的技术发展趋势提供参考。随后的文献综述侧重于 SOA 和关键技术网络分析的研究。此外，在论文结束之前，介绍了本研究用于关键技术网络分析的研究设计和实证证据。

2.文献综述

2.1.SOA 的发展现状

SOA 是一种直接放大光信号的器件，无需先将其转换为电信号 [17]。SOA 由半导体材料制成，具有与半导体激光器相同的工作原理，换句话说，受激能级跃迁现象用于光信号放大。SOA 具有体积小、结构简单、功耗低、寿命长、成本低等特点。它们可以很容易地与其他光学元件和威廉希尔官方网站 集成，适合大规模生产，并可以实现放大和切换功能，SOA 在光波长转换和光交换应用中受到广泛重视。SOA 基本上是半导体激光管，它可以放大来自光纤端任一侧的任何光信号，并将放大后的信号从通过另一端连接的光纤中发送出去，SOA采用小型封装，双向传输，从而减小了设备的尺寸。然而，它有一些局限性，包括高耦合损耗、偏振相关性、和高噪声系数，需要高质量的抗反射涂层 [18]。因此，未来的研究方向是改善这些局限性。

由于光信号在光系统中的传播过程中总是会衰减，因此，光放大器是长距离传输系统中不可或缺的组件。与 SOA 相关的技术包括光学 [2,3]、半导体 [1]、材料 [19]、通信 [20] 和表面处理 [21] 技术，因此，SOA 构成了一个跨学科的研究课题。此外，随着 5G、移动通信和光通信技术的发展，各国政府目前高度重视 SOA 的发展潜力，相信会分配足够的资源来促进该技术的发展 [5]。因此，本研究以 SOA 为主要分析对象，通过专利分析确定了关键的 SOA 技术。关键技术的探索是通过网络分析进行的，这将在下面的文本中详细解释。

2.2. 关键技术网络分析

一些研究使用网络分析来考察某些知识领域的研究趋势和发展轨迹 [22,23]，并确定特定国家的知识图谱、方向和技术发展 [24,25]。网络分析也被用于探索技术合作和知识流动状态 [26‒27]，网络分析还可以精确指示技术和知识的传输路径和演变。具体来说，专利数据分析可以提供有关技术发展的客观可行的信息。这些信息包括专利批准年份、数量和技术类别 [28]，因此专利数据可用于分析某些技术的发展。本研究使用网络分析来检查技术节点之间的连通性和共现性。用于对技术进行分类的方法基于 Mun 等 [29] 和 Zhang 等 [30] 的研究，也使用了现有和成熟的专利分类结构。网络分析用于检查 SOA 的关键参与者，以观察关键的 SOA 技术领域。

3.研究设计

3.1.检索策略和数据来源

本研究主要采用来自美国专利商标局 （USPTO） 的数据，因为美国系统在国际技术分析方面具有普遍的代表性。此外由于美国是世界上最大的商业贸易市场，研究人员在衡量全球创新活动时通常采用美国专利商标局数据库[28,31]。专利数据仅限于 1990 年 1 月至 2019 年 12 月期间宣布的美国专利，此外，使用 Derwent 智能检索工具用于专利检索。Derwent 智能检索工具中使用的过程相当于数百名专家阅读数据库中注册的官方专利的全部公共数据，然后进行翻译、重写关键点和摘要、调试、规范化专利权人，并将重写和规范化的数据记录在数据库中。Derwent 智能搜索是一种涉及手动阅读和排列的关键词搜索方法。检索标准为“SSTO/ Semiconductor Optical Amplifier”，共找到 990 项专利。此外，对于技术网络的分类，USPTO 和欧洲专利局于 2013 年初建立了合作专利分类 （CPC） 系统。因此，本研究采用 CPC 系统对专利进行分类。

3.2. 关键参与者分析

本研究使用关键参与者分析来探索技术网络内的关键技术。通过技术网络分析确定专利技术网络的关键技术。每个技术领域的中心性都引用了 Abraham 等人 [32]，使用 Key Player problem-positive 和 Key Player problem-negative 两种方法，对网络中的关键技术进行分类。

3.2.1. Key Player problem-positive

Key Player problem-positive方法是指一个节点连接到其他节点的能力。这种能力主要基于相邻中心性和特征向量中心性。相邻中心性是指一个节点与其他节点之间的最小距离之和的倒数。一个节点与其他节点越近，该节点的接近度或可访问性就越高。

其中 d(ni, nj) 表示节点 ni 到节点 nj 的距离。

特征向量中心性反映了一个节点是否与大量节点连接，以及所考虑的节点连接的节点是否同时连接到其他节点。如果一个节点连接到中心性较高的节点，则该节点具有高度的中心性。换句话说，相邻节点不相等 [33]。

其中 Ce(ni) 和 Ce(nj) 是节点 i 和节点 j 的特征向量中心性；aij表示进入相邻矩阵 A 的节点；λ 是相邻矩阵 A 的最大特征向量值，是一个常数。

在上述公式中，一个节点的特征向量中心性被认为是所有其他节点的中心性的线性组合，因此，从公式 [34] 中得到一个线性函数。

3.2.2. Key Player problem-negative 

Key Player problem-negative方法考虑了网络稳定性的维护。因此，删除节点会将网络更改为分段网络。该方法主要基于中介中心性和加固结构孔。中介中心性是指网络中的某些节点依赖于某些节点(中介)，即媒介，与网络中的其他节点连接。不同节点之间的连接和流动取决于节点的中心性程度。

其中 gjk 表示从节点 j 到节点 k 的快捷方式数量；gjk(ni) 表示节点 j 必须通过节点i才能到达节点 k 的快捷方式数量。

除了中介中心性之外，另一个衡量节点中介能力的指标是结构孔的数量。结构孔描述了占据网络消息通信主要路由的节点的特征。Burt [35] 指出，结构孔的影响可以通过加固结构孔RSH 值来确定，RSH 值介于 0 和 1 之间，RSH 值越高表示结构孔的效果越好。

其中 Cij 表示将总和乘以i的 i-j 结构孔的程度，以定义一个从 0 到 1 变化的变量 RSH，该变量RSH与i周围的网络加强 i-j结构孔的程度而变化；Pik 表示 i 和 k 之间连接的强度（j 和 i 之间的连接除以 i 的其他连接之和）;mij 表示i和 j之间连接的连接强度（j 和 i 之间的连接除以 i的再i网络中的最大连接）;mkj 表示 k 和 j 之间连接的边际强度。

其中总和是i的所有连接点 k、k≠i、j。当 i 没有 i-j 结构孔（mij 等于 1）或 i 的所有其他接点都是到 j 的桥（所有 mkj 都等于 1）时，表达式 Cij 为零。索引接近 1 的程度是 j 与 j 断开连接，并且 i 最近的联系人也与 j 断开连接。

--未完待续--

参考文献： 

1. Ahmad, H.; Azmy, N.F.; Azmi, A.N.; Zulkifli, M.Z.; Ismail, M.F. Configurable triple wavelength semiconductor optical amplifier fiber laser using multiple broadband mirrors. Microw. Opt. Technol. Lett. 2020, 62, 46–52.

2. Lu, Y.; Wang, F.; Gu, J.; Shi, L.; Pengm, M.; Huang, J.; Kang, W. Photonic generation of broadly tunable radio-frequency signal using a reflective semiconductor optical amplifier. Opt. Appl. 2019, 49, 27–36.

3. Yang, X.; Lindberg, R.; Margulis, W.; Fröjdh, K.; Laurell, F. Continuously tunable, narrow-linewidth laser based on a semiconductor optical amplifier and a linearly chirped fiber Bragg grating. Opt. Express 2019, 27, 14213–14220.

4. Technovio. Global Optical Amplifier Market 2019–2023; Technovio: London, UK, 2018.

5. Marketandresearch.biz. Global Semiconductor Optical Amplifier (SOA) Market Research Report 2019; Marketandresearch.biz: New York, NY, USA, 2019.

6. Kaur, S.; Shukla, M.K. All-optical parity generator and checker circuit employing semiconductor optical amplifier-based Mach-Zehnder interferometers. Opt. Appl. 2017, 47, 263–271.

7. Li, Q.; Wang, Z.; Wang, H.; Cui, C.; Wu, C. Artificial neuron based on nonlinear polarization rotation in a semiconductor optical amplifier. Opt. Commun. 2019, 435, 405–408.

8. Nosratpour, A.; Razaghi, M.; Darvish, G. Numerical analysis of four wave mixing in photonic crystal semiconductor optical amplifier. Opt. Commun. 2019, 433, 104–110.

9. GenMarketInsights. Global Semiconductor Optical Amplifier (SOA) Market Insights, Forecast to 2025; GenMarketInsights: Pune, India, 2018.

10. Gui, B.; Ju, Y.; Liu, Y. Mapping technological development using patent citation trees: An analysis of bogie technology. Technol. Anal. Strateg. Manag. 2019, 31, 213–226.

11. Lee, C.; Lee, G. Technology opportunity analysis based on recombinant search: Patent landscape analysis for idea generation. Scientometrics 2019, 121, 603–632.

12. Woo, H.G.; Yeom, J.; Lee, C. Screening early stage ideas in technology development processes: A text mining and K-nearest neighbours approach using patent information. Technol. Anal. Strateg. Manag. 2019, 31, 532–545.

13. Ardito, L. Markets for university inventions: The role of patents’ underlying knowledge in university-to-industry technology commercialisation. Int. J. Technol. Manag. 2018, 78, 9–27.

14. Azagra-Caro, J.M.; Barberá-Tomás, D.; Edwards-Schachter, M.; Tur, E.M. Dynamic interactions between university-industry knowledge transfer channels: A case study of the most highly cited academic patent. Res. Policy 2017, 46, 463–674.

15. Kim, M.; Park, Y.; Yoon, J. Generating patent development maps for technology monitoring using semantic patent-topic analysis. Comput. Ind. Eng. 2016, 98, 289–299.

16. Yan, B.; Luo, J. Filtering patent maps for visualization of diversification paths of inventors and organizations. J. Assoc. Inf. Sci. Technol. 2017, 68, 1551–1563. Appl. Sci. 2020, 10, 1552 11 of 11

17. Imran, M.; Collier, M.; Landais, P. Performance analysis of semiconductor optical amplifier as a gate switch. Aip Conf. Proc. 2019, 2146, 020016.

18. Transparency Market Research. Optical Amplifiers Market—Global Industry Analysis, Size, Share, Growth, Trends and Forecast 2015–2023; Transparency Market Research: Albany, NY, USA, 2020.

19. Wang, W.; Allaart, K.; Lenstra, D. Semiconductor optical amplifier gain anisotropy: Confinement factor against material gain. Electron. Lett. 2004, 40, 1602–1603. [CrossRef]

20. Yang, S.; Zhang, Y.; Li, Q.; Zhu, X.; Bergman, K.; Magill, P.; Baehr-Jones, T.; Hochberg, M. Quantum dot semiconductor optical amplifier/silicon external cavity laser for O-band high-speed optical communications. Opt. Eng. 2015, 54, 1–5.

21. Soto, H.; García, E.; Marquez, H.; Valles, N. A simple experimental technique to obtain an optimum antireflection coating in semiconductor optical amplifiers. Microw. Opt. Technol. Lett. 2000, 27, 223–225.

22. Chen, K.; Zhang, Y.; Fu, X. International research collaboration: An emerging domain of innovation studies? Res. Policy 2019, 48, 149–168.

23. Silva, J.T.M.; Ablanedo-Rosas, J.H.; Rossetto, D.E. A longitudinal literature network review of contributions made to the academy over the past 55 years of the IJPR. Int. J. Prod. Res. 2019, 57, 4627–4653.

24. De Paulo, A.F.; Porto, G.S. Solar energy technologies and open innovation: A study based on bibliometric and social network analysis. Energy Policy 2017, 108, 228–238.

25. Shen, F.; Ma, T.A. methodology to position nations’ efforts in a technology domain with a patent network analysis: Case of the electric vehicle domain. Technol. Anal. Strateg. Manag. 2018, 30, 1084–1104.

26. Ho, Y.; Chiu, H. A social network analysis of leading semiconductor companies’ knowledge flow network. Asia Pac. J. Manag. 2013, 30, 1265–1283.

27. Jewell, J.; Vetier, M.; Garcia-Cabrera, D. The international technological nuclear cooperation landscape: A new dataset and network analysis. Energy Policy 2019, 128, 838–852.

28. Graham, S.J.H.; Marco, A.C.; Myers, A.F. Patent transactions in the marketplace: Lessons from the USPTO patent assignment dataset. J. Econ. Manag. Strategy 2018, 27, 343–371.

29. Mun, C.; Yoon, S.; Park, H. Structural decomposition of technological domain using patent co-classification and classification hierarchy. Scientometrics 2019, 121, 633–652.

30. Zhang, T.; Chen, J.; Jia, X. Identification of the key fields and their key technical points of oncology by patent analysis. PLoS ONE 2015, 10, 1–18.

31. Zahringer, K.; Kolympiris, C.; Kalaitzandonakes, N. Time to patent at the USPTO: The case of emerging entrepreneurial firms. J. Technol. Transf. 2018, 43, 923–952.

32. Abraham, A.; Hassanien, A.E.; Snášel, V. Computational Social Network Analysis: Trends, Tools and Research Advances; Springer: London, UK, 2010.

33. Batool, K.; Niazi, M.A. Towards a methodology for validation of centrality measures in complex networks. PLoS ONE 2014, 9, 1–14.

34. Borgatti, S.P.; Everett, M.G. A Graph-theoretic perspective on centrality. Soc. Netw. 2006, 28, 466–484.

35. Burt, R.S. Reinforced structural holes. Soc. Netw. 2015, 43, 149–161.

36. Sharma, K.; Baul, S. Global Semiconductor Lasers Market: Opportunity Analysis and Industry Forecast, 2014–2022; Allied Market Research: London, UK, 2017.

37. Espacenet. CPC Scheme and CPC Definitions. Available online: https://www.cooperativepatentclassification.org/cpcSchemeAndDefinitions/table (accessed on 12 February 2020).

注：本文由天津见合八方光电科技有限公司挑选并翻译，旨在推广和分享相关半导体光放大器SOA基础知识，助力SOA技术的发展和应用。特此告知，本文系经过人工翻译而成，虽本公司尽最大努力保证翻译准确性，但不排除存在误差、遗漏或语义解读导致的不完全准确性，建议读者阅读原文或对照阅读，也欢迎指出错误，共同进步。