博文
新刊推荐 | Nature Computational Science 计算工具与可持续发展最新专题集锦，欢迎阅读！
||
（点击图片跳转浏览）
Nature Computational Science是Nature Portfolio旗下推出的一本年轻期刊，专注于开发和使用计算技术和数学模型，并将其应用于解决各个科学领域的复杂问题。该期刊既刊登基础研究，也刊登应用研究，既刊登有助于推动科学研究的突破性算法、工具和框架，也刊登以新颖方式利用计算能力发现新见解和对挑战性现实问题的解决方案。通过这种方式，该期刊创造了一个独特的环境，让不同学科的人员汇聚一堂，共同讨论计算科学的最新进展。
Nature Computational Science的主要目标是促进多学科研究和新计算技术的跨学科应用。致力于在全职专业编辑团队的监督下，通过公平、严格的同行评审程序发表高质量研究成果。
本期专题集锦，我们将带大家走进编辑精选的计算工具在可持续发展方面潜力的相关研究。
气候变化、空气和水污染以及不可再生能源等环境问题，持续威胁着可持续发展的未来。本专题汇集了发表在Nature Computational Science上的 4 篇前瞻性文章、1 篇评论、3 篇问答以及 1 篇新闻特写，将重点介绍计算工具在帮助应对这些挑战方面的潜力，以及专家们对如何改进这些工具的意见，以确保未来更加绿色环保、可持续。
01 应对环境中塑料的复杂污染足迹的计算模型
Computational models to confront the complex pollution footprint of plastic in the environment
（点击图片阅读原文）
论文导读：
由于塑料在环境中的来源、传输、转化和清除过程，以及塑料污染本身的特性存在不确定性和未知因素，塑料对环境的威胁尚未被充分描述。塑料造成了颗粒污染的足迹，其成分、大小和形状多种多样。在这个观点中，作者认为基于过程的质量平衡模型可以作为一个平台，根据可测量的固有属性，综合整合关于塑料污染的知识。
02 用于大气团簇形成建模的目前和未来的机器学习方法
Current and future machine learning approaches for modeling atmospheric cluster formation
（点击图片阅读原文）
论文导读：
强结合大气分子团簇的形成是形成新气溶胶粒子的第一步。最新的机器学习模型应用进展提供了巨大机遇，可以利用高效的机器学习预测来补充昂贵的量子化学计算。在这篇观点文章中，将介绍如何应用数据驱动方法来加速团簇构型采样，从而大大增加可覆盖的化学相关系统的数量。
01 利用决策支持工具的力量推动气候行动
Harnessing the power of decision-support tools to trigger climate action
（点击图片阅读原文）
评论导读：
加速气候行动需要以新的方式利用决策支持工具的力量。如果没有能够整合环境科学、社会科学和认知科学知识的跨学科计算科学家，这一愿景就无法实现。
02 量子计算机真的节能吗？
Are quantum computers really energy efficient?
（点击图片阅读原文）
新闻特写导读：
量子计算的支持者经常将其吹捧为比经典计算方法更节能的替代方法。然而，量子计算能在多大程度上减少能源消耗仍不清楚，因为专家们尚未就确定其能源消耗的指标达成一致。
03 合作推动储能研究
Collaborations drive energy storage research
（点击图片阅读原文）
问答导读：
芝加哥大学分子工程学教授、阿贡储能科学合作中心 (ACCESS) 首席科学家 Y. Shirley Meng 博士探讨了她在储能材料方面的研究以及多学科合作的重要性。回答了目前在改进电池系统等现有储能技术方面有哪些挑战，计算科学家如何帮助解决储能领域最紧迫的挑战等问题。
《自然》及其系列期刊的OA发表选项
《自然》及《自然》系列研究期刊均为作者提供OA发表选项，点击此处查看Nature Portfolio的OA资助、政策和更多OA期刊选择。
欢迎点击“阅读原文”了解期刊详情，我们诚挚欢迎您的投稿！
https://blog.sciencenet.cn/blog-3432244-1405519.html
上一篇：新刊推荐 | Nature Cardiovascular Research 最新动脉粥样硬化专题集锦，欢迎阅读！
下一篇：高影响力大型参考书推荐 | 在线即时更新，高引用高下载的经典之作
