美能源部反应过度? 将限制来自中国等国的科研合作

2019 年 2 月 17 日 知识分子

许多外国科学将被禁止在美国能源部工作,图片来自Science

 

撰文 | 冯水寒

责编 | 叶水送

 


2018年下旬,美国国立卫生研究院(NIH)和美国国家科学理事会(NSB)先后发表了《关于保护美国生物医学研究诚信的声明》、《关于外国对美国科研诚信影响的报告》以及《关于安全和科学的声明》。NIH还声称正在协助美国调查局(FBI)调查与国外机构有合作的美国科学家,这一系列动作在中美科学界引起轰动。

 

近日,美国能源部(U.S. Department of Energy, DOE)也发布了两份政策备忘录(memos),阐述了美国试图挫败外国政府企图窃取美国资助的研究成果的新政策,目前新政策的具体实施细则仍在制定中。

 

有科学家认为美国能源部可能对间谍威胁反应过度,并担心该政策可能会抑制对美国经济及国家安全至关重要领域的发展。

 

Science杂志对美国能源部新政策高度关注

图片来自Science

 

2月8日,国际学术杂志Science发表了题为“New DOE policies would block many foreign research collaborations”的报道,对此次事件高度关注。

 


美国能源部第一份政策备忘录,图片来自DOE

 

第一份政策备忘录于2018年12月14日发布,它将限制收到美国能源部资助的研究人员在未指定的新兴研究技术领域(unspecified emergingresearch areas and technologies)与来自所谓“敏感国家”的研究人员合作。鉴于美国能源部近期关注的重点,受影响的领域可能包括了如下几个方面,人工智能、超级计算、量子信息、纳米技术以及先进制造。

 

美国能源部公布的旅行安全敏感国家或地区名单,图片来自DOE

 

尽管目前并未给出所谓的敏感国家名单,但美国能源部在去年3月公布一份旅行安全“敏感国家”名单(SLAC Travel - Sensitive Countries),中国大陆及港澳台均在其中。同时,美国能源部还建立了监督机构,负责“敏感国家”和研究领域的清单且有权批准合作豁免。

 

美国能源部第二份政策备忘录,图片来自DOE

 

第二份政策备忘录于2019年1月31日发布,将全面禁止能源部资助的科学家参加国外人才引进计划,也包括了来自中国的人才计划,这意味着相关科学家选择了A,就必须放弃B。此前有很多科学家并不是这样做的。

 

有科学家表示,我们不用质疑美国需要保持警惕,但问题是美国能源部应确定在何种程度上维护国家安全和新兴技术。正如斯坦福大学副校长William Madia所表示的那样,“尽管存在知识产权被盗用的担忧,但我们也不能停止所有的国际合作,我们应该去找到合适的平衡点。”

 

美国能源部副部长Paul Dabbar表示,新政策的实施细则目前仍在制定,“我们没有具体的时间表。对于科研机构的实验室,我们正准备逐步实施。对于资助计划,我们仍需建立相应机制,审查某些已出现的经费。”

 

政府间的合作,如主要的国际项目,将不会受到该政策的限制。研究人员如果有正当理由,也可以向能源部申请合作研究的豁免。

 

美国大学和实验室的主要负责人在等待美国能源部更多的信息,以免跨过红线。

 

 参考资料

Newdoe policies would block many foreign research collaborations.Science.2019.

 

制版编辑 | 皮皮鱼





▼▼▼点击“阅读原文”,与知识分子一起悦读2019。

登录查看更多
0

相关内容

专知会员服务
107+阅读 · 2020年6月12日
【Science最新论文】XAI—可解释人工智能简述,机遇与挑战
专知会员服务
159+阅读 · 2019年12月21日
2019中国硬科技发展白皮书 193页
专知会员服务
77+阅读 · 2019年12月13日
专知会员服务
35+阅读 · 2019年12月13日
【CCL 2019】刘康、韩先培:做失败科研的10个方法
专知会员服务
25+阅读 · 2019年11月12日
解读《中国新一代人工智能发展报告2019》
走向智能论坛
32+阅读 · 2019年6月5日
西工大、北航等被美国列入制裁“实体名单”
材料科学与工程
11+阅读 · 2019年5月25日
已删除
德先生
53+阅读 · 2019年4月28日
排查中国千人计划学者,美对华科技限制再次升级
算法与数学之美
6+阅读 · 2018年9月19日
噩耗再次传来!华为,挺住!
FinTech前哨
4+阅读 · 2018年2月4日
A Survey of Deep Learning for Scientific Discovery
Arxiv
29+阅读 · 2020年3月26日
Arxiv
91+阅读 · 2020年2月28日
Optimization for deep learning: theory and algorithms
Arxiv
102+阅读 · 2019年12月19日
Arxiv
34+阅读 · 2019年11月7日
A Comprehensive Survey on Graph Neural Networks
Arxiv
21+阅读 · 2019年1月3日
Arxiv
53+阅读 · 2018年12月11日
VIP会员
Top
微信扫码咨询专知VIP会员