【摘要】[目的/意义]使用深度学习技术，从时间维度量化科学家研究主题的演化速度，并探究主题演化速度的历史发展及异质性，揭示主题演化速度与科研绩效的关系。[方法/过程]首先，基于1980—2019年全球计算机科学领域近100万科学家的论文数据，使用Doc2vec深度学习方法，测度科学家相邻年份产出论文之间的文本特征距离，测算主题演化速度；然后，剖析研究主题演化速度与科研绩效的关系，并对比不同职业发展状态的科学家在主题演化程度方面的动态发展差异。[结果/结论 ]研究发现，近四十年来，科学家主题演化速度逐渐放缓，全球计算机科学领域中科学家整体朝向“利用式研究”的发展状态；较低的主题演化速度能带来最好的科研绩效，主题演化速度与科研绩效之间呈现倒U型关系。在职业发展生命周期中，精英科学家的主题演化程度逐渐下降，呈现“逐渐聚焦”的主题演化模式；非精英科学家的主题演化程度在大部分时期处于上升或平稳发展状态。研究结果对学科发展评估、科学家职业发展以及科学政策制定具有一定启示意义。