机器学习是帮助化学家及工程师预测或更深度理解化学过程的必要工具,推动了更快的发现过程,并赋予那些过去仅限于想象的研究以更大的可能性。
一直以来,ACS美国化学会所出版的文献深受全球各地研究人员的信赖与认可,欢迎您与我们一起探索机器学习、人工智能(AI)领域ACS出版的前沿发现与必备参考资源,内容包含电子图书、期刊、专题文章荐读、虚拟特刊、相关特刊征稿以及ACS数据解决方案等。
<<扫描二维码访问 <<
机器学习/人工智能专题页
发现更多精彩内容!
机器学习/人工智能领域的ACS电子图书
*扫码访问专题页,发现更多机器学习/人工智能领域的电子图书
ACS Symposium系列
Machine Learning in Materials ScienceMicrobial Stress Response: Mechanisms and Data Science
微生物应激反应:机制与数据科学
出版时间:2023年1月
本书旨在分享通过复杂技术验证的最新研究驱动观察结果,如机器学习、相位显示等,使我们能够理解微生物应激反应和耐受性的生化和分子机制。
ACS In Focus系列
Machine Learning in Materials Science
材料科学中的机器学习
出版时间:2022年6月
本书介绍了材料科学中的机器学习(ML)基础,并就机器学习对材料科学研究人员将带来的影响提出了实用见解。
机器学习/人工智能领域的ACS期刊
*扫码访问专题页,发现更多机器学习/人工智能领域的ACS期刊
Journal of Chemical Information and Modeling
该刊发表化学信息学和分子建模的新方法和实验验证的重要应用,涵盖化学数据库的表现形式和基于计算机的搜索,分子建模,新材料/催化剂/配体的计算机辅助分子设计,化学软件的新算法或有效算法的开发,生物制药化学(包含生物活动分析和药物发现相关报道)等。
两年影响因子:6.162
五年影响因子:6.028
CiteScore:7.7
引用总数:30,162
文章荐读:AI / ChatGPT in Publishing
*扫码访问专题页,获取更多文章荐读
ChatGPT and Environmental Research
Jun-Jie Zhu, Jinyue Jiang, Meiqi Yang, and Zhiyong Jason Ren*
DOI: 10.1021/acs.est.3c01818
Best Practices for Using AI When Writing Scientific Manuscripts
Jillian M. Buriak*, Deji Akinwande, Natalie Artzi, C. Jeffrey Brinker, Cynthia Burrows, Warren C. W. Chan, Chunying Chen, Xiaodong Chen, Manish Chhowalla, Lifeng Chi, William Chueh, Cathleen M. Crudden, Dino Di Carlo, Sharon C. Glotzer, Mark C. Hersam, Dean Ho, Tony Y. Hu, Jiaxing Huang, Ali Javey, Prashant V. Kamat, Il-Doo Kim, Nicholas A. Kotov, T. Randall Lee, Young Hee Lee, Yan Li, Luis M. Liz-Marzán, Paul Mulvaney, Prineha Narang, Peter Nordlander, Rahmi Oklu, Wolfgang J. Parak, Andrey L. Rogach, Mathieu Salanne, Paolo Samorì, Raymond E. Schaak, Kirk S. Schanze, Tsuyoshi Sekitani, Sara Skrabalak, Ajay K. Sood, Ilja K. Voets, Shu Wang, Shutao Wang, Andrew T. S. Wee, and Jinhua Ye
DOI: 10.1021/acsnano.3c01544
机器学习/人工智能领域的虚拟特刊
*扫码访问专题页,探索更多相关虚拟特刊
Diving into the Deep End: Machine Learning for the Chemist 极深研几:化学家的机器学习
该虚拟特刊收录了发表在ACS Omega上有关将人工智能工具的“实验性”主题的若干文章。
ACS数据解决方案
*扫码访问专题页,探索更多相关虚拟特刊
ACS Text & Data Mining(TDM)
ACS Text & Data Mining(TDM,文本数据挖掘)利用机器学习、复杂算法和人工智能执行复杂分析,有助于提取传统技术一般无法获取的数据关联性和趋势。
<<扫描二维码访问 <<
机器学习/人工智能专题页
发现更多精彩内容!
扫描二维码或点击最下方“阅读原文”,访问机器学习/人工智能化学专题页,探索发现与您的研究息息相关的ACS期刊与电子图书资源。
Copyright © 2023 American Chemical Society
点击“阅读原文”
你“在看”我吗?