［目的 / 意义］本文聚焦大模型在基础学科的应用及其引起的学科交叉现象，为以大模型为代表的人工智能技术推动基础学科交叉融合提供理论支持与实践指引。［方法 / 过程］先从 Web of Science 核心合集的大模型主题研究论文中筛选出生命科学、材料科学、数学、化学、物理学和地球科学六类基础学科的论文，再选择涉及两种及以上基础学科的论文作为研究对象，构建学科交叉主题分析框架。采用 BERTopic 主题建模方法，结合多值邻接矩阵构建学科交叉网络，分析学科交叉特征。基于主题强度、影响力和关注度指标，采用熵权法计算综合主题热度，识别热点主题。［结果 / 结论］六类基础学科具有高度学科交叉性，其中化学、物理学与材料科学的交叉融合最为显著。本研究识别出“蛋白质序列预测与基因分析”等八个主题及“量子自旋与相变理论”“蛋白质序列预测与基因分析”“材料设计与化学合成”三个热点主题。

欢迎阅读《文献与数据学报》！您是该文第103位读者！