Machine Learning: Science and Technology期刊出版最新文章

19 2月 2020 gabriels
近日,IOP出版团队与Machine Learning: Science and Technology (MLST)期刊的编委会非常高兴地宣布MLST发表了第一批文章。

希望这一系列的文章能让您对期刊的宗旨与范围有所了解,并表明MLST致力于发表高影响力的论文,以及涵盖最重要的科学发展与机器学习在各个学科领域应用的决心。

>>点击访问并下载文章。

主编介绍


Anatole von Lilienfeld

巴塞尔大学,瑞士
研究方向:

利用量子力学、超级计算机、大数据和机器学习对化合物空间进行采样的第一原理。赝势、范德华力、密度泛函理论、分子动力学和核量子效应。

 

 

文章列表


Embedding human heuristics in machine-learning-enabled probe microscopy
Oliver Gordon, Filipe Junqueira and Philip Moriarty

Reinforcement learning for semi-autonomous approximate quantum eigensolver
Lucas Lamata, Francisco Albarrán-Arriagada, Juan Carlos Retamal and Enrique Solano

Repetitive readout enhanced by machine learning
Genyue Liu, Mo Chen, Yi-Xiang Liu, David Layden and Paola Cappellaro

Regularised atomic body-ordered permutation-invariant polynomials for the construction of interatomic potentials
Cas van der Oord, Geneviève Dusson, Gábor Csányi and Christoph Ortner

Improving the background of gravitational-wave searches for core collapse supernovae: A machine learning approach
Marco Cavaglia, Sergio Gaudio, Travis Hansen, Kai Staats, Marek Szczepanczyk and Michele Zanolin

Image mapping the temporal evolution of edge characteristics in tokamaks using neural networks
Vignesh Gopakumar and Debasmita Samaddar


为了庆祝MLST的推出,以及对认可这本期刊的第一作者的支持,IOP 出版社目前会支付期刊所有文章的出版费用(APCs),作者无需付费即可在MLST上发表文章。

这意味着,您可以获得以开放获取形式发表文章的所有好处,包括最大的可见度、易获取以及对您研究的影响,而不需要支付任何文章出版费用。

MLST编委会与我们的内部出版团队致力于提供快速高效的同行评审服务,希望您下一篇研究文章能够考虑MLST