19世纪，数学家欣克花了整整15年的时间，将圆周率值算到了小数点的707位，他为圆周率值的计算贡献了自己的一生。在21世纪的今天，日本东京大学的金田教授只利用超级电脑的一半能力，仅仅花了600个小时，就求出了圆周率值小数点后的第1万亿2400亿位数。这相当于17亿位数学家耗费毕生精力进行手算的计算量。假若一个人计算，则大约需要250亿年，相当于地球历史4倍以上的时间。也就是说，如果采用最新的处理理论和计算机，对以前光凭人工无法求出答案的“疑问”，将有可能得到“答案”。因此，如今计算机已经成为数学、物理、生物化学等自然科学研究所不可或缺的工具。那么，针对经济学领域的“疑问”，如果利用计算机的强大功能，将会出现什么样的可能性呢？
科学、技术以及创新的关系
经济长期增长的要素是什么？这是经济学领域的一个重要课题。以往的研究表明，尽管少不了劳动和资本的投入，但是，技术革新是促进经济长期增长的主要因素。而科学则是发生技术变革的要素之一。政府对科学的扶植，也由于这一理由而被正当化。不过，对“科学给技术革新以什么样的影响？其影响程度又怎样？”的问题，目前还很难说已经找到了完全的答案。
一般认为，起源于论文参考文献研究的文献计量学（biblio-metrics）是解决以上问题的有力方法。文献计量学（biblio-metrics）作为科学·引证·索引以及影响因子（impact factor）等科学领域的评估指数之一，而得到应用。
人们认为，将文献计量学的方法运用到专利领域，对专利所引用的论文数量等进行测算后所得出的“科学关联性”（science linkage），作为联接成为提高生产率要素的“技术”和集聚了脑力活动体系的“科学”之间的指标，尽管不是十分完善，但不失为一种有效的指标。
我们研究小组采用文献计量学的方法，运用最先进的计算机以及信息科学的进步成果，就科学给成为经济长期增长源泉的技术革新以什么样的影响、其影响程度如何这一课题进行了研究。具体方法是，将以前发行的专利公报的所有数据都存储下来，制作了可以自由处理的专用计算机(图片1)，在超过1.1千千兆（terabyte）(相当于450册新书的容量)的存储量中，建立成为分析基础的日本专利数据库，以开展研究。
研究结果表明，对科学技术基本计划中的4个重要技术领域进行比较后，发现在生物领域的专利中，平均每项专利所引用的论文达11.5篇，而随机抽样的每项专利的论文平均引用数为0.6篇，前者的科学关联性比后者要高近20倍。在纳米技术领域，每项专利的论文平均引用数为2.0篇，是随机抽样专利论文平均引用数的3.3倍。硬件IT领域和环境技术领域的科学关联性则比随机抽样的要低。另外，被引用的论文多为大学和国立研究机构的成果，许多研究项目都得到了政府的支持，由此表明，政府资金和政府研究机构的研究成果为专利作出了积极贡献。
定量性创新研究今后将大有可为
今后，我们将通过目测选出的1500项专利所引用的论文等信息作为“教师”，将计算机作为“学生”，就构建自动选出科学关联性程序的可行性开展研究。如果有这种可能，采用详细且具有排他性的专利技术分类级别，对专利中所引用的其他专利以及论文等将能够进行广泛调查。比如，针对数据库中专利公报的450万篇全文文本数据，选出引用论文等，用不超过3万7千的技术分类，调查其科学关联性，或许可以特定科学关联性较多的技术领域。
如果对科学关联性进行时序分析，或许可以对实施科学技术基本计划给日本的创新体制所带来的影响进行定量性评估。
另外，以大学为单位，通过调查其科学关联性，或许可以尝试对各大学·各系的产学合作进行定量评估。
我们可以认为，按不同的区域，对提出申请的专利数和技术领域进行分析，通过对这些专利所引用的论文的作者进行分析，将有利于地域群的研究。
从企业提出申请的专利技术领域的变迁，可以就持续创新的企业所经历的技术发展轨迹开展研究。
如上所述，经济学和信息科学的结合(比如经济信息学)，使定量性创新研究大有可为。