JCTC 特刊征稿 | 机器学习与统计力学的融合如何重塑化学理论和计算

本期特刊将深入探讨机器学习与统计力学的融合，以重塑化学理论和计算。经典和量子模拟方法，包括分子动力学、密度泛函理论、量子动力学等，都有了长足的发展，但在捕捉实验相关长度和时间尺度的复杂过程方面，挑战依然存在。

近年来，统计力学和机器学习在开发计算化学新方法方面取得了重大进展。例如，通过统计力学在粗粒度和增强采样方面取得的进展，补充了机器学习对力场、结构预测和反应坐标发现的影响。尽管取得了这些进步，但挑战依然存在，因为化学的数据稀缺性对机器学习的数据驱动方法构成了障碍。

在这一期特刊中，我们征集将经典/量子和平衡/非平衡统计力学与各种机器学习范式（包括深度学习、强化学习和生成式人工智能）相融合的新方法。本期特刊将为科学家提供一个平台，展示机器学习与统计力学的融合如何解决未来的化学问题。

期待您的投稿，请感兴趣的作者于2024年4月1日前提交论文至线上系统（https://acs.manuscriptcentral.com/acs）。

• Marco De Vivo, Executive Editor, Journal of Chemical Theory and Computation；Istituto Italiano di Tecnologia, Italy
• Pratyush Tiwary, Associate Editor, Journal of Chemical Theory and Computation; University of Maryland, USA
• Rose Cersonsky, Guest Editor; University Wisconsin Madison, USA
• Binqing Cheng, Guest Editor; Institute of Science and Technology, Austria

如果您准备向本期特刊投稿，可以：

1. 登录ACS Paragon Plus投稿网站；
2. 选择 Journal of Chemical Theory and Computation作为您的目标期刊；
3. 选择您的稿件类型，并在“Special Issue Selection”（特刊选择）下选择"Machine Learning and Statistical Mechanics: Shared Synergies for Next Generation of Chemical Theory and Computation"。

要详细了解投稿要求，请参见我们的“作者指南”（Author Guidelines）。投稿截止日期：2024年4月1日。