當前位置：首頁 SCI期刊 SCIE期刊計算機科學中科院1區(qū) JCRQ1 期刊介紹(非官網(wǎng))

Nature Machine IntelligenceSCIE

國際簡稱：NAT MACH INTELL 參考譯名：自然機器智能

中科院分區(qū)
1區(qū)
CiteScore分區(qū)
Q1
JCR分區(qū)
Q1

基本信息：: ISSN：2522-5839; E-ISSN：2522-5839; 是否OA：未開放; 是否預警：否; TOP期刊：是

出版信息：: 出版地區(qū)：ENGLAND; 出版商：SPRINGERNATURE; 出版語言：English; 出版周期：12 issues per year; 研究方向：Multiple

評價信息：: 影響因子：18.8; CiteScore指數(shù)：36.9; SJR指數(shù)：5.94; SNIP指數(shù)：5.702

發(fā)文數(shù)據(jù)：: Gold OA文章占比：20.52%; 研究類文章占比：95.35%; 年發(fā)文量：129; 自引率：0.0210...; 開源占比：0.0949; 出版撤稿占比：0; 出版國人文章占比：0.07; OA被引用占比：0

投稿咨詢加急見刊

英文簡介期刊介紹 CiteScore數(shù)據(jù) 中科院SCI分區(qū) JCR分區(qū) 發(fā)文數(shù)據(jù) 常見問題

英文簡介Nature Machine Intelligence期刊介紹

Nature Machine Intelligence will publish high-quality original research and reviews in a wide range of topics in machine learning, robotics and AI. The journal will also explore and discuss the significant impact that these fields are beginning to have on other scientific disciplines as well as many aspects of society and industry. There are countless opportunities where machine intelligence can augment human capabilities and knowledge in fields such as scientific discovery, healthcare, medical diagnostics and safe and sustainable cities, transport and agriculture. At the same time, many important questions on ethical, social and legal issues arise, especially given the fast pace of developments Nature Machine Intelligence will provide a platform to discuss these wide implications — encouraging a cross-disciplinary dialogue — with Comments, News Features, News & Views articles and also Correspondence.

期刊簡介Nature Machine Intelligence期刊介紹

《Nature Machine Intelligence》是一本計算機科學優(yōu)秀雜志。致力于發(fā)表原創(chuàng)科學研究結(jié)果，并為計算機科學各個領域的原創(chuàng)研究提供一個展示平臺，以促進計算機科學領域的的進步。該刊鼓勵先進的、清晰的闡述，從廣泛的視角提供當前感興趣的研究主題的新見解，或?qū)彶槎嗄陙砟硞€重要領域的所有重要發(fā)展。該期刊特色在于及時報道計算機科學領域的最新進展和新發(fā)現(xiàn)新突破等。該刊近一年未被列入預警期刊名單，目前已被權(quán)威數(shù)據(jù)庫SCIE收錄，得到了廣泛的認可。

該期刊投稿重要關注點：

預計審稿時間：
國際TOP期刊
計算機科學
COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE
SCIE
中科院1區(qū)
非預警

Cite Score數(shù)據(jù)（2024年最新版）Nature Machine Intelligence Cite Score數(shù)據(jù)

CiteScore：36.9
SJR：5.94
SNIP：5.702

學科類別	分區(qū)	排名	百分位
大類：Computer Science 小類：Computer Networks and Communications	Q1	2 / 395	99%
大類：Computer Science 小類：Software	Q1	4 / 407	99%
大類：Computer Science 小類：Artificial Intelligence	Q1	4 / 350	99%
大類：Computer Science 小類：Human-Computer Interaction	Q1	3 / 145	98%
大類：Computer Science 小類：Computer Vision and Pattern Recognition	Q1	3 / 106	97%

CiteScore 是由Elsevier(愛思唯爾)推出的另一種評價期刊影響力的文獻計量指標。反映出一家期刊近期發(fā)表論文的年篇均引用次數(shù)。CiteScore以Scopus數(shù)據(jù)庫中收集的引文為基礎，針對的是前四年發(fā)表的論文的引文。CiteScore的意義在于，它可以為學術界提供一種新的、更全面、更客觀地評價期刊影響力的方法，而不僅僅是通過影響因子(IF)這一單一指標來評價。

歷年Cite Score趨勢圖

中科院SCI分區(qū)Nature Machine Intelligence 中科院分區(qū)

中科院 2023年12月升級版 綜述期刊：否 Top期刊：是

大類學科	分區(qū)	小類學科	分區(qū)
計算機科學	1區(qū)	COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 計算機：人工智能 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 計算機：跨學科應用	1區(qū) 1區(qū)

中科院分區(qū)表 是以客觀數(shù)據(jù)為基礎，運用科學計量學方法對國際、國內(nèi)學術期刊依據(jù)影響力進行等級劃分的期刊評價標準。它為我國科研、教育機構(gòu)的管理人員、科研工作者提供了一份評價國際學術期刊影響力的參考數(shù)據(jù)，得到了全國各地高校、科研機構(gòu)的廣泛認可。

中科院分區(qū)表 將所有期刊按照一定指標劃分為1區(qū)、2區(qū)、3區(qū)、4區(qū)四個層次，類似于“優(yōu)、良、及格”等。最開始，這個分區(qū)只是為了方便圖書管理及圖書情報領域的研究和期刊評估。之后中科院分區(qū)逐步發(fā)展成為了一種評價學術期刊質(zhì)量的重要工具。

歷年中科院分區(qū)趨勢圖

JCR分區(qū)Nature Machine Intelligence JCR分區(qū)

2023-2024 年最新版

按JIF指標學科分區(qū)	收錄子集	分區(qū)	排名	百分位
學科：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE	SCIE	Q1	3 / 197	98.7%
學科：COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS	SCIE	Q1	1 / 169	99.7%

按JCI指標學科分區(qū)	收錄子集	分區(qū)	排名	百分位
學科：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE	SCIE	Q1	4 / 198	98.23%
學科：COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS	SCIE	Q1	2 / 169	99.11%

JCR分區(qū)的優(yōu)勢在于它可以幫助讀者對學術文獻質(zhì)量進行評估。不同學科的文章引用量可能存在較大的差異，此時單獨依靠影響因子(IF)評價期刊的質(zhì)量可能是存在一定問題的。因此，JCR將期刊按照學科門類和影響因子分為不同的分區(qū)，這樣讀者可以根據(jù)自己的研究領域和需求選擇合適的期刊。

歷年影響因子趨勢圖

發(fā)文數(shù)據(jù)

2023-2024 年國家/地區(qū)發(fā)文量統(tǒng)計

國家/地區(qū)數(shù)量
USA100
England47
GERMANY (FED REP GER)30
CHINA MAINLAND25
Switzerland22
Australia14
Canada13
France12
Italy9
Netherlands8

本刊中國學者近年發(fā)表論文

1、Mixed-modality speech recognition and interaction using a wearable artificial throat
Author: Yang, Qisheng; Jin, Weiqiu; Zhang, Qihang; Wei, Yuhong; Guo, Zhanfeng; Li, Xiaoshi; Yang, Yi; Luo, Qingquan; Tian, He; Ren, Tian-Ling

Journal: NATURE MACHINE INTELLIGENCE. 2023; Vol. 5, Issue 2, pp. 169-180. DOI: 10.1038/s42256-023-00616-6
2、Continuous improvement of self-driving cars using dynamic confidence-aware reinforcement learning
Author: Cao, Zhong; Jiang, Kun; Zhou, Weitao; Xu, Shaobing; Peng, Huei; Yang, Diange

Journal: NATURE MACHINE INTELLIGENCE. 2023; Vol. 5, Issue 2, pp. 145-158. DOI: 10.1038/s42256-023-00610-y
3、Echo state graph neural networks with analogue random resistive memory arrays
Author: Wang, Shaocong; Li, Yi; Wang, Dingchen; Zhang, Woyu; Chen, Xi; Dong, Danian; Wang, Songqi; Zhang, Xumeng; Lin, Peng; Gallicchio, Claudio; Xu, Xiaoxin; Liu, Qi; Cheng, Kwang-Ting; Wang, Zhongrui; Shang, Dashan; Liu, Ming

Journal: NATURE MACHINE INTELLIGENCE. 2023; Vol. 5, Issue 2, pp. 104-+. DOI: 10.1038/s42256-023-00609-5
4、Stretchable e-skin and transformer enable high-resolution morphological reconstruction for soft robots
Author: Hu, Delin; Giorgio-Serchi, Francesco; Zhang, Shiming; Yang, Yunjie

Journal: NATURE MACHINE INTELLIGENCE. 2023; Vol. 5, Issue 3, pp. 261-272. DOI: 10.1038/s42256-023-00622-8
5、Parameter-efficient fine-tuning of large-scale pre-trained language models
Author: Ding, Ning; Qin, Yujia; Yang, Guang; Wei, Fuchao; Yang, Zonghan; Su, Yusheng; Hu, Shengding; Chen, Yulin; Chan, Chi-Min; Chen, Weize; Yi, Jing; Zhao, Weilin; Wang, Xiaozhi; Liu, Zhiyuan; Zheng, Hai-Tao; Chen, Jianfei; Liu, Yang; Tang, Jie; Li, Juanzi; Sun, Maosong

Journal: NATURE MACHINE INTELLIGENCE. 2023; Vol. 5, Issue 3, pp. 220-+. DOI: 10.1038/s42256-023-00626-4
6、Pan-Peptide Meta Learning for T-cell receptor-antigen binding recognition
Author: Gao, Yicheng; Gao, Yuli; Fan, Yuxiao; Zhu, Chengyu; Wei, Zhiting; Zhou, Chi; Chuai, Guohui; Chen, Qinchang; Zhang, He; Liu, Qi

Journal: NATURE MACHINE INTELLIGENCE. 2023; Vol. 5, Issue 3, pp. 236-249. DOI: 10.1038/s42256-023-00619-3
7、Characterizing the interaction conformation between T-cell receptors and epitopes with deep learning
Author: Peng, Xingang; Lei, Yipin; Feng, Peiyuan; Jia, Lemei; Ma, Jianzhu; Zhao, Dan; Zeng, Jianyang

Journal: NATURE MACHINE INTELLIGENCE. 2023; Vol. 5, Issue 4, pp. 395-+. DOI: 10.1038/s42256-023-00634-4
8、Multitask joint strategies of self-supervised representation learning on biomedical networks for drug discovery
Author: Wang, Xiaoqi; Cheng, Yingjie; Yang, Yaning; Yu, Yue; Li, Fei; Peng, Shaoliang

Journal: NATURE MACHINE INTELLIGENCE. 2023; Vol. 5, Issue 4, pp. 445-456. DOI: 10.1038/s42256-023-00640-6