Python社区  »  机器学习算法

机器学习/人工智能 | ACS期刊与电子图书资源合集

ACS美国化学会 • 2 周前 • 26 次点击  

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 Informatics: Methods and Applications

材料信息学中的机器学习

出版时间:2022年6月

本书全面概述了如何将机器学习应用于材料科学研究的各个领域,以提高诸多具有挑战性项目的效率和效果。


ACS In Focus系列

Machine Learning for Drug Discovery

药物发现中的机器学习

出版时间:2022年12月

本书涵盖了基本的算法理论,数据表示方法以及高层次的生成模型,重点介绍了抗生素发现中的机器学习案例研究,并讨论了机器学习在药物相似预测、抗菌素耐药性的应用以及未来的趋势。


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 in Publishing

*扫码访问专题页,获取更多文章荐读

AI et al.: Machines Are About to Change Scientific Publishing Forever


Gianluca Grimaldi* and Bruno Ehrler*

DOI: 10.1021/acsenergylett.2c02828


文章荐读:Text & Data Mining

*扫码访问专题页,获取更多文章荐读

Improved Machine Learning Models by Data Processing for Predicting Life-Cycle Environmental Impacts of Chemicals


Ye Sun, Xiuheng Wang, Nanqi Ren, Yanbiao Liu, and Shijie You*

DOI:  10.1021/acs.est.2c04945


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


AI/Machine Learning in Environmental Science and Technology 环境科学与技术中的人工智能/机器学习

该虚拟特刊收录了45篇精彩论文,这些文章反映了环境和化学研究中的数据科学所具有的广度、深度和影响力。


ACS数据解决方案

*扫码访问专题页,探索更多ACS数据解决方案

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?

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/152843
 
26 次点击