Journal of Chemical Theory and Computation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。
特刊编辑
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
特刊主题
主题包括（但不限于）：
- Force-field development, including coarse-graining and neural network potentials
- Structure and physicochemical properties prediction for small molecules, biomolecules, and materials
- Zero-temperature and finite-temperature transition state, pathways, and kinetics calculations for catalysis, crystallization, conformational changes, and other biochemical problems
- Enhanced sampling approaches involving dimensionality reduction or generative models
如何投稿
如果您准备向本期特刊投稿，可以：
- 登录ACS Paragon Plus投稿网站；
- 选择 Journal of Chemical Theory and Computation作为您的目标期刊；
- 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。