发布时间：
你好，可以的。nature是接受这方面文章的，但占量比较小，而且一般要与自然科学相结合才有比较大的发表可能！当然，最主要还是要看你的创新和带来的效应。有比较多的算法研究论文（比如生物信息）就有很多发表在nature上！自然出版集团（NPG）以出版高质量的科学和医学信息而闻名。NPG出版的期刊，在线数据库及服务广泛覆盖生命科学，物理，化学，应用科学和临床医学领域。 自然出版集团是麦克米伦出版集团（Macmillan Publishing Ltd.）的重要组成部分。集团旗下创刊于1869年的《自然》，一直在致力于满足科研工作者的需求，现已成为最重要的国际学术周刊。除《自然》之外，NPG还出版了自然系列研究类期刊和综述类期刊，以及高端学术期刊与学会刊物。在互联网上， nature.com每月为超过600万访问者提供阅读NPG出版物和使用在线数据库的服务。 这些服务包括阅读《自然》的新闻和社论。
有的。2021年1月新推出的子刊，自然-计算科学（Nature Computational Science）是一本2021年1月推出的新刊。本刊的推出是对计算机科学（包括科学计算和数据科学）、数学和自然科学之间联系的兴趣日益增长，相关文献不断增加这一趋势的回应。期刊关注包括计算科学领域的基础研究和应用研究。
选自Nature
作者：Jeffrey M. Perkel
机器之心编译
机器之心编辑部
2019 年，「事件视界望远镜」团队拍下了第一张黑洞照片。这张照片并非传统意义上的照片，而是计算得来的——将美国、墨西哥、智利、西班牙和南极多台射电望远镜捕捉到的数据进行数学转换。该团队公开了所用代码，使科学社区可以看到，并基于此做进一步的 探索 。
而这逐渐成为一种普遍模式。从天文学到动物学，每一个伟大的现代科学发现背后都有计算机的身影。斯坦福大学计算生物学家、2013 年诺贝尔化学奖获得主 Michael Levitt 表示，现在的笔记本电脑在内存和时钟速度方面是 1967 年其实验室计算机的一万倍。「今天，我们拥有大量算力。但问题是，这仍然需要人类的思考。」
如果没有能够处理研究问题的软件以及知道如何编写和使用软件的研究人员，计算机再强大也是无用。「现在的研究与软件紧密相关，软件已经渗透到科研的方方面面。」软件可持续性研究所（Software Sustainability Institute）负责人 Neil Chue Hong 如是说。
最近，Nature 上的一篇文章试图揭示科学发现背后的重要代码，正是它们在过去几十年中改变了科研领域。这篇文章介绍了对科学界带来重大影响的十个软件工具，其中就包括与人工智能领域密切相关的 Fortran 编译器、arXiv、IPython Notebook、AlexNet 等。
语言先驱：Fortran 编译器（1957）
首批出现的现代计算机对用户并不友好。编程实际上是由手工完成的，通过电线连接一排排电路。后来的机器语言和汇编语言允许用户使用代码进行计算机编程，但这两种语言依然要求使用者对计算机架构有深入了解，导致很多科学家无法使用它们。
20 世纪 50 年代，随着符号语言的发展，尤其是「公式翻译」语言 Fortran 的出现，上述境况发生了改变。Fortran 语言由 IBM 的约翰 · 巴科斯（John Backus）团队开发。借助 Fortran，用户可以使用 x = 3 + 5 等人类可读的指令进行计算机编程，之后编译器将这类指令转化为快速高效的机器码。
这台使用 Fortran 编译器编程的 CDC 3600 计算机于 1963 年移送至美国国家大气研究中心。（图源：美国大气科学研究大学联盟 / 科学图片库。）
在早期，编程人员使用穿孔卡片（punch card）输入代码，复杂的模拟可能需要数万张穿孔卡片。不过，Fortran 使得并非计算机科学家的研究者也能够进行编程。普林斯顿大学气候学家 Syukuro Manabe 表示：「我们第一次靠自己进行编程。」他和同事使用 Fortran 语言开发了首批成功的气候模型之一。
60 多年过去了，Fortran 依然广泛应用于气候建模、流体动力学、计算机化学，以及其他涉及复杂线性代数并需要强大计算机快速处理数字的学科。Fortran 代码运行速度很快，仍然有很多编程人员知道如何写 Fortran。古老的 Fortran 代码库依然活跃在世界各地的实验室和超级计算机上。
信号处理器：快速傅里叶变换（1965）
当天文学家扫描天空时，他们捕捉到了随时间变化的复杂信号的杂音。为了理解这些无线电波的性质，他们需要观察这些信号作为频率函数的样子。一种被称为傅里叶变换（Fourier transform）的数学过程允许科学家实现这一点。但问题在于傅里叶变换并不高效，对大小为 N 的数据集它需要进行 N 次运算。
1965 年，美国数学家 James Cooley 和 John Tukey 开发了一种加速傅里叶变换过程的方法。借助递归（recursion）这种「分而治之」的编程方法（其中算法可以实现重复地再运用），快速傅里叶变换（fast Fourier transform, FFT）将计算傅里叶变换问题简化为 N log_2(N) 个步骤。速度也随着 N 的增加而提升。对于 1000 个点，速度提升约 100 倍；对于 100 万个点，速度提升约 5 万倍。
牛津大学数学家 Nick Trefethen 表示，FFT 的发现实际上是一种「再发现」，因为德国数学家卡尔 · 弗里德里希 · 高斯在 1805 年就完成了该发现，不过从未发表。但是，James Cooley 和 John Tukey 开启了 FFT 在数字信号处理、图像分析和结构生物学等领域中的应用。Trefethen 认为 FFT「是应用数学与工程领域伟大的发现之一。」FFT 已经在代码中实现了很多次，其中一种流行的变体是 FFTW（「西方最快的傅里叶变换」）。
默奇森天文望远镜，使用快速傅里叶变换来收集数据。
劳伦斯伯克利国家实验室（Lawrence Berkeley National Laboratory）分子生物物理学和综合生物成像部门主任 Paul Adams 回忆称，当他在 1995 年改进细菌蛋白 GroEL 的结构时，即使使用 FFT 和一台超级计算机，也需要「很多很多个小时，甚至是几天」的计算。但要没有 FFT，很难想象这件事要怎么做，花的时间将难以估量。
线性代数运算标准接口：BLAS（1979）
科学计算通常涉及使用向量和矩阵的数学运算，这些运算相对简单，但计算量大。20 世纪 70 年代，学界并没有出现一套普遍认可的执行此类运算的工具。因此，科研工作者不得不花费时间设计高效的代码来做基础的数学运算，导致无法专注于科学问题本身。
编程世界需要一个标准。1979 年，基础线性代数子程序库（Basic Linear Algebra Subprograms, BLAS）应运而生。直到 1990 年，该标准仍然在发展变化，定义了数十条涵盖向量和矩阵运算的基本程序。
田纳西州大学计算机科学家、BLAS 开发团队成员之一 Jack Dongarra 表示，BLAS 实际上将矩阵和向量运算简化成了像加减法一样的基础计算单元。
Cray-1 超级计算机。（图源：科学 历史 图像 / Alamy）
德州大学奥斯汀分校计算机科学家 Robert van de Geijn 表示：「BLAS 可能是为科学计算而定义的最重要接口。」除了为常用函数提供标准名称之外，研究者可以确保基于 BLAS 的代码能够以相同的方式在任何计算机上运行。该标准也使得计算机制造商能够优化 BLAS 实现，以实现硬件上的快速运行。
40 多年来，BLAS 代表了科学计算堆栈的核心，使得科学软件持续发展。乔治华盛顿大学机械与航空航天工程师 Lorena Barba 将 BLAS 称为「五层代码内的核心机制」。
预印本平台：arXiv.org（1991）
20 世纪 80 年代末，高能物理领域的研究者往往会把自己提交的论文邮寄给同行审阅，这是一种礼仪，但只邮寄给少数几个人。「那些处于食物链底端的人依赖于顶端人的施舍，这往往会把非精英机构中有抱负的研究者完全排除在特权圈之外，」物理学家 Paul Ginsparg 曾在 2011 年的一篇文章中写道。
1991 年，洛斯阿拉莫斯国家实验室（Los Alamos National Laboratory）的 Ginsparg 写了一个电子邮件自动回复器，以建立公平的竞争环境。邮件订阅者每天都会收到一份预印本列表，每份论文都带有标识符。如此一来，世界各地的用户都可以通过一封电子邮件提交或检索来自上述实验室计算机系统的论文。
Ginsparg 原本计划将文章保留三个月，将范围限制在高能物理社区，但他的同事劝他去掉了这些限制。「就是在那一刻，它从布告栏转变成了档案库，」Ginsparg 表示。在这之后，大批论文开始涌入，其学科之广远远超出了 Ginsparg 的预期。1993 年，Ginsparg 把这个系统移植到互联网上。1998 年，他正式将该系统命名为 arXiv.org。
如今，30 岁的 arXiv 收录了 180 万份预印本文章，且全部免费阅读，其每月论文提交量超过 15000 份，每月下载量高达 3000 万次。「不难看出 arXiv 为何如此受欢迎，」Nature Photonics 的编辑曾表示，「该系统为研究者提供了一种快捷、方便的科研方式，可以告诉大家你在做什么、什么时间做的，省去了传统期刊同行评审的繁琐。」
该网站的成功还对生物学、医学、 社会 学等其他学科类似存储库的建立起到了助推作用，成千上万份新冠病毒相关研究预印本的发布就是一个例证。
数据 探索 器：IPython Notebook (2011)
Fernando Pérez 在 2001 年决定「探寻拖延症」，当时他是一名研究生，决定采用 Python 的核心组件。
Python 是一种解释型语言，意味着程序会一行一行地执行。编程人员可以使用一种被称为「读取 - 求值 - 输出循环（REPL）」的计算型调用和响应（call-and-response）工具，他们可以键入代码，然后由解释器执行代码。REPL 允许快速 探索 和迭代，但 Pérez 指出 Python 并不是为科学构建的。例如，它不允许用户轻松地预加载代码模块或保持数据可视化的打开状态。因此 Pérez 创建了自己的版本。
2001 年 12 月，Pérez 发布了交互式 Python 解释器 IPython，它共有 259 行代码。10 年后，Pérez 和物理学家 Brian Granger、数学家 Evan Patterson 合作，将该工具迁移到 Web 浏览器，创建了 IPython Notebook，掀起了一场数据科学的革命。
和其他计算型 notebook 一样，IPython Notebook 将代码、结果、图形和文本组合到了单个文档中。但与其他此类型项目不同的是，IPython Notebook 是开源的，欢迎广大社区开发者为其发展做出贡献，并且支持 Python 这种科学家常用的语言。2014 年，IPython 演变成 Project Jupyter，支持约 100 种语言，并允许用户像在自己计算机上一样轻松地在远程超级计算机上 探索 数据。
Nature 在 2018 年指出：「对数据科学家而言，Jupyter 已经成为一种实际标准」。那时，GitHub 上已经有 250 万个 Jupyter notebook，如今已有近一千万个，其中包括 2016 年发现引力波和 2019 年黑洞成像的记录。Pérez 表示：「我们能为这些项目做出一点贡献也是非常有意义的」。
快速学习器：AlexNet（2012）
人工智能（AI）可分为两类，一类使用编码规则，另一类让计算机通过模拟大脑的神经结构来「学习」。多伦多大学计算机科学家、图灵奖获得者 Geoffrey Hinton 表示：「几十年来，人工智能研究者一直将第二种研究方法视为『荒谬』」。2012 年，Hinton 的研究生 Alex Krizhevsky 和 Ilya Sutskever 证明了事实并非如此。
在当年的 ImageNet 的年度竞赛上，研究者们被要求在包含 100 万张日常物品图像的数据库上训练 AI，然后在另一个图像集上测试算法。Hinton 表示：「在当时，最佳算法会在 1/4 的图像上出现分类错误」。Krizhevsky 和 Sutskever 开发的 AlexNet 是一种基于神经网络的深度学习算法，该算法将误差率降至 16%。Hinton 表示：「我们几乎将误差率降低了一半」。
Hinton 认为，该团队在 2012 年的成功反映出足够大的训练数据集、出色的编程和图形处理单元（最初为了提高计算机视频性能的处理器）新力量的结合。他表示：「突然之间，我们就能够将该算法的速度提高 30 倍，或者说可以学习 30 倍的数据」。
Hinton 表示真正的算法突破实际上发生在 3 年前。当时他的实验室创建了一个比几十年来不断完善的传统 AI 更能准确识别语音的神经网络。虽然准确率只稍微提升了一点，但已值得被记住。
AlexNet 及相关研究的成功带来了实验室、临床等多个领域深度学习的兴起。它让手机能够理解语音查询，也让图像分析工具能够轻松地从显微照片中挑选出细胞。这就是 AlexNet 在改变科学、改变世界的工具中占有一席之地的原因。
不可以。《Nature》《Science》《PNAS》《JAMA》这些都是国际顶级刊物但就《Nature》《Science》来说，他们是综合性刊物，更偏向通俗类科普读物；而子刊是更专业的，专门针对某一类别的研究。其中《Nature》是私人商业集团管理，《Science》是公益性的学会管理。就现在来讲，通过IF比较，某些子刊类的review甚至高于主刊，但综合来看，其实还是主刊更有影响力，毕竟刊登的是多方面的知识。对于这些20分以上的期刊，很难说谁比谁强，但Nature比其子刊难发是不争的事实，靠砸钱也许你能发个nature子刊（比如nature genetics），但是却发不了nature。同一篇文章是可能在其主刊和子刊以相同的名称发表的，因为《Nature》《Science》的出版周期很短，一周一刊，他会尽快的将研究成果展现出来，然后进一步通过子刊来深入介绍。还是不要想太多，一周一刊，前几年国内一年也就基本是100篇一下，研究生阶段看看就行，多学习，想法在这上面，几乎不可能。
要想在Nature 或者Science （以下简称NS）上发表文章，首先要对自己领域最近10年有哪些文章发表在这些刊物上，并进行分类。以氧化物燃料电池领域为例，在2002-2012年区间总共有8篇文章发表在这两个杂志上。如果你研究的小领域没有文章在NS或者Nature的子刊上，那说明杂志编辑认为你的领域不具有很广的关注度。同时，要分析是些什么样的突破发表在NS上。比如在这8篇文章，有6篇文章直接与燃料电池的阳极材料有关。这说明如果你能在阳极的研究中有所突破，存在在NS上发表的可能性。再进一步分析其细节，你会发现更多的规律。比如，燃料电池阳极的最主要的问题是碳氢燃料在高温下的裂解导致碳沉积和硫在镍表面吸附导致阳极硫中毒。早前的SN上的文章主要关注怎样防止在阳极上的碳沉积，在2006年首先出现了一个新的阳极材料同时有抗碳沉积和抗硫中毒。这篇文章给了我一个启发，说明现有的阳极材料必须能够同时解决这两个问题，才有可能在NS上出现。当然这也是合理的，因为碳氢燃料包含碳和硫。 当然，并不是说你知道这些趋势，你一定能够在这样上面有所突破，但是能够给你一个非常具有指引性的思路。比如说，当时我的研究课题是做电解质的，因为师兄毕业需要移交阳极的课题，我学习了一段时间。我把我所研究的新电解质去做阳极的抗硫测试，发现具有不可思议的抗硫性能。在我多次重复加以确认之后，我意识到了其重要性。其实当时有人建议说可以用这个结果在Advanced Materials上投一篇文章，但是在我分析这些年在SN上发表的氧化物燃料电池文章，我决定继续研究该阳极的抗碳沉积特性，然后进一步优化。这个做法非常重要，为后来冲击Science奠定了重要的基础。 二、系统性的设计实验 据我了解，很多最为关键或者突破的实验数据都是意外得到的，或者超过自己预期的 （当然也存在像Goodenough教授这种牛人能够从理论上设计材料）。当你获得比以前文献中更好的性能时，就要开始考虑怎么设计一系列系统的试验，以能够将来写出一篇有完整故事情节的文章。因为现在已经不是“酒香不怕巷子深”的年代了，除非你的结果能够改变人类的认知，否则都需要思考围绕该突破的实验设计。其工作量大约是一般长文的2~3倍。除了最为关键的4个图放在正文，其余的将放到补充材料里面。 实验该怎么设计才会对主编和审稿人的口味？当然不同领域有不同的文章结构。一个简单的方法就是你尽可能把自己领域中不同小方向在Journal of the American Chemical Society, Angewandte Chemie International Edition 和Advanced Materials 上面的文章综合起来。比如，这些杂志上有专注于合成的、有专注于表征的或者专注机理理解的文章。你如果能够把这些文章的最有特色的东西有机的糅合在一起，你的文章就已经高于这些杂志的档次了。以催化和表面化学为例，SN上的实验设计思路一般来说就是一个比较新颖的纳米结构，比较高档的表征（如STM或同步辐射）、优异的性能和分子动力学的理论计算。如果你去详细比较SN上某一篇文章每一小部分和JACS上类似的的全文，你会发现其实JACS上的水平更专。根据这个思路，你就可以设计完整的实验，寻找合作对象，相互促进，最终达到一个完美的实验结论。我的那篇Nature Communications 就是以这种思路设计的。当时需要对我们现有性能的理论解释，我们寻求了与布鲁克海文国家实验室的合作。他们给我们提供了很好的思路，继续优化实验，与他们的理论达到了较好的融合。虽然在投Nature主刊40多天后被拒，但是审稿人对实验设计非常肯定：This paper has really nice science；The science is top notch等等。这篇文章本身的实验结果没有我Science上那篇文章的突破大，但是好的实验设计让这篇文章被子刊接受。 三、撰写完整且吸引人的文章 当你做完大部分实验或计算之后，就要开始着手写论文了。对于Natured子刊、JACS和Advanced Materials这类杂志来说，论文撰写的重要性我觉得至少占40%。也就是说如果你能够切入一个非常有吸引力的角度，你可以让你的实验结果发到更好的杂志。对于NS来说，我觉得实验的设计更为重要。如何能够写好一篇文章，我认为首先应该抛弃两个错误的看法。第一：不要鄙视烂的结果都能够发在好杂志上。你需要思考如果你拿这些数据能够把文章写成怎样。你要学习你没有想到的“点”。比如说，性能可能并没有非常突出，但是他/她提出了一个非常有启发性的假设。第二：不要认为审稿人误会你的评语愚蠢。我知道审稿人在审阅时（包括我在审Advanced Materials时）速度是非常快的。如果一个领域的评审人在短时间内都没有看出你的创新点，说明你没有表达清楚。我经常听到有人抱怨“我这篇文章其实和以前不一样，审稿人却认为没有新东西”或者“我的性能明显要比别人的文章好，不知道为什么审稿人没有注意到”等等。出现这种情况后，要重新审视自己的文章。思考怎样写别人不会忽视我的重点，怎样写不会让人误解。一个小窍门是让你的同学（大方向一致但不是一个小领域的）快速浏览一下你的文章，让他指出不确定的东西，然后加以改正。 我觉得写文章最重要也最难写的就是Introduction。这是审稿人看得比较认真而且容易理解的部分。而且我发现一个规律，越好的杂志，审稿人越喜欢攻击introduction。可能是因为你的实验设计已经很好，不太容易有问题。但是对于introduction，审稿人却非常容易下手。比如这篇文章没有新意，或者你在introduction提到的问题，在正文中没有解决等等。在读好文章时一定要学习他们在组织introduction时的思路。其次，一定要有一个吸引人的标题。不要过于中立。我以前投一篇文章的时候，刚开始拟定为Sulfur Poisoning Behavior of .。后来偶然看到Berkeley物理系的一片不相干的文章，用了New Insights into ..。我就把这个模式套用到我的文章上，我导师认为这个标题立马让文章档次提高。我的一个经验，经常收集那些好文章的title （不需要局限你的领域），以备将来时灵活运用。至于正文，只要围绕你的Introduction，反复强调你的创新性（一定要“反复”，因为审稿人会忽视），一般没有什么问题。另外，因为审稿人是带着寻找问题的模式去评判文章的，所以在正文中的每一句话不要过度发散，否则很容易招致不严谨或者补充数据的评语。 后记：这三个部分分享了很多关于提升自己成果的经验，但是大家不要进入一个误区：为了发文章而做实验。 发牛文更多是因为你的研究热情和辛勤付出，因为科研成果的内核还是你能否真正解决前人未能解决的问题。当然，从营销学角度，我们去探寻并运用这些规律也是无可厚非的。
nature是有计算机的，不过占比非常小，而且要与自然科学相结合才有可能发表
你好，可以的。nature是接受这方面文章的，但占量比较小，而且一般要与自然科学相结合才有比较大的发表可能！当然，最主要还是要看你的创新和带来的效应。有比较多的算法研究论文（比如生物信息）就有很多发表在nature上！自然出版集团（NPG）以出版高质量的科学和医学信息而闻名。NPG出版的期刊，在线数据库及服务广泛覆盖生命科学，物理，化学，应用科学和临床医学领域。 自然出版集团是麦克米伦出版集团（Macmillan Publishing Ltd.）的重要组成部分。集团旗下创刊于1869年的《自然》，一直在致力于满足科研工作者的需求，现已成为最重要的国际学术周刊。除《自然》之外，NPG还出版了自然系列研究类期刊和综述类期刊，以及高端学术期刊与学会刊物。在互联网上， nature.com每月为超过600万访问者提供阅读NPG出版物和使用在线数据库的服务。 这些服务包括阅读《自然》的新闻和社论。
不是。nature是有计算机的，不过占比非常小，而且要与自然科学相结合才有可能发表。
个人简介： Edward H. Sargent，加拿大多伦多大学副校长、加拿大皇家科学院院士、加拿大工程院院士，是多伦多大学电子与计算机工程系教授。他是加拿大纳米技术领域的首席科学家，是胶体量子点光探测领域的开拓者，也是量子点PN结太阳能电池的发明者和光电转换效率的世界纪录的保持者，并通过所领导团队的努力，每年都在刷新纪录。迄今为止，已在Nature和Science等国际顶级期刊发表论文多篇团队已经发表超过300篇论文，论文被引用超过20000次，H因子72。
团队合照
接下来，我列举了Edward H. Sargent教授近期发表在Nature/Science系列期刊的工作！希望借此机会向大佬学习一下！
通过将二氧化碳电化学还原为化学原料，如乙烯，可同时达到二氧化碳减排和生产可再生能源的目的，目前，Cu是CO2RR的主要电催化剂。然而，迄今为止所达到的能源效率和生产率(目前的密度)仍然低于以工业生产乙烯所需的值。
鉴于此，卡内基梅隆大学的Zachary Ulissi、多伦多大学的Edward H. Sargent等人通过密度泛函理论计算结合主动机器学习来识别，描述了Cu-Al电催化剂能有效地将二氧化碳还原为乙烯，具有迄今为止所报道的最高的法拉第效率。与纯铜相比，在电流密度为400mA/cm2下Cu-Al电催化剂的法拉第效率超过了80%，以及在150mA/cm2下，在其阴极乙烯的能量转换效率则达到了~55%。理论计算表明，铜铝合金具有多个活性位点、表面定向和最佳CO结合能，有利于高效的、高选择性地还原CO2。
此外，原位X射线吸收光谱表明，铜和铝能够形成良好的铜配位环境，从而增强C-C二聚作用。这些发现说明了计算和机器学习在指导多金属系统的实验 探索 方面的价值，这些系统超越了传统的单金属电催化剂的局限性。
Accelerated discovery of CO2 electrocatalysts using active machine learning,
电解二氧化碳电还原反应(CO2RR)可用于绿色生产乙醇，然而，该反应的法拉第效率目前仍然不高，特别是在总电流密度超过10mA cm−2下。
鉴于此，多伦多大学的Edward H. Sargent团队报道了一类催化剂，其产乙醇的法拉第效率高达52.1%，阴极能量转化效率为31%。作者发现通过抑制中间体HOCCH*的脱氧作用，可以降低乙烯的选择性，促进乙醇生产。密度泛函理论(DFT)计算表明，由于封闭的N-C层具有很强的供电子能力，在Cu表面涂覆一层氮掺杂碳(N-C)可以促进C-C耦合，抑制HOCCH*中碳氧键的断裂，从而提高CO2RR中乙醇的选择性。
Efficient electrically powered CO2-to-ethanol via suppression of deoxygenation,
堆叠具有较小带隙的太阳能电池形成双结膜，为克服单结光伏电池的Shockley-Queisser极限提供了可能。随着溶液处理钙钛矿的快速发展，有望将钙钛矿的单结效率提高>20％。然而，这一工艺仍未实现与行业相关的纹理晶体硅太阳能电池进行整体集成。
来自多伦多大学的Edward H. Sargent 和阿卜杜拉国王 科技 大学的Stefaan De Wolf团队，报道了将溶液处理的微米级钙钛矿顶部电池与完全纹理化的硅异质结底部电池相结合，进行集成双叠层电池的方法。为解决微米级钙钛矿中电荷收集的难点，作者将硅锥体底部的耗尽宽度提高了三倍。此外，通过在钙钛矿表面固定一种自限型钝化剂(1-丁硫醇)，增加了扩散长度且进一步抑制了相偏析。这些多方位的结构改善，使钙钛矿—硅串联太阳能电池的整体效率达到了25.7％。在85°C下进行400小时的热稳定性测试，以及在40°C、在最大功率点下工作400小时后，发现其性能衰减可忽略不计。
Efficient tandem solar cells with solution-processed perovskite on textured crystalline silicon,
在这里，作者首先讨论了四类分子强化策略：①分子加成修饰的多相催化剂、②有机金属络合物催化剂、③网状催化剂和④无金属聚合物催化剂。作者介绍了目前在分子策略方面的挑战，并描述了电催化CO2RR产多碳产品的前景。这些策略为电催化CO2RR提供了潜在的途径，以解决催化剂活性、选择性和稳定性的挑战，进一步发展CO2RR。
Molecular enhancement of heterogeneous CO2 reduction,
目前通过优化钙钛矿的组成经过组合优化，在最先进的钙钛矿太阳能电池中通常含有六种成分(AxByC1−x−yPbXzY3−z)。关于每个组成部分的精确作用仍然存在许多不清晰，如何正确理解和掌握钙钛矿材料中不同组分对晶体结构、性能的影响关系，对于制备新型的高性能钙钛矿材料而言具有重要的指导意义。
鉴于此，多伦多大学的Edward H. Sargent与麻省理工学院的William A. Tisdale等人利用瞬态光致发光显微镜(TPLM)，并结合理论计算，探究了钙钛矿材料中组分—结构—性能之间的关系。研究表明，单晶钙钛矿材料内部载流子的扩散率与结构组成无关；而对于多晶钙钛矿，不同的成分对载体扩散起着至关重要的作用。与CsMAFA型钙钛矿相比，不含MA的CsFA型钙钛矿载流子扩散率要低一个数量级。
元素组成研究表明，CsFA颗粒呈级配组成。在垂直载流子输运和表面电位研究中可以看到，CsFA型钙钛矿由于其非均匀结晶，从而引起晶粒的元素分布不一致，形成了不利于载流子扩散的“壳核结构”。而掺入MA可以有效改善颗粒成分的均匀性，在CsMAFA薄膜中产生了高的扩散系数。
Multi-cation perovskites prevent carrier reflection from grain surfaces, /10.1038/s41563-019-0602-2
电解二氧化碳还原(CO2RR)转化为有价值的燃料和原料，为这类温室气体的利用提供了一条有吸引力的途径。然而，在这类电解装置内，往往是由有限的气体通过液体电解质扩散到催化剂的表面，电解效率仍然不高。
鉴于此，多伦多大学的David Sinton和Edward H. Sargent等人提出了一种催化剂：离聚物本体异质结结构(CIBH)，可用于分离气体、以及离子和电子的传输。CIBH由金属和具有疏水和亲水功能的超细离子层组成，可将气体和离子的输运范围从数十纳米扩展到微米级。采用这种设计策略，作者实现了在7 M KOH电解液中，以铜为催化剂进行电还原CO2，在阴极法拉第效率为45%下，产乙烯的偏电流密度高达1.3A cm-2。
CO2 electrolysis to multicarbon products at activities greater than 1 A cm−2,
手性材料在推动生物标记、手性分析和检测、对映异构体选择性分离、偏振相关光子学和光电子学应用等领域的发展具有重要意义。一维半导体的区域选择性磁化可以实现室温下的各向异性磁性，以及自旋极化——这是自旋电子学和量子计算技术所必需的特性。
鉴于此，中国科学技术大学俞书宏院士团队与国家纳米科学中心唐智勇研究员课题组、多伦多大学Edward Sargent教授团队等人利用局域磁场调控电偶极矩与磁偶极矩之间的相互作用，成功合成了一类新型手性无机纳米材料。
利用这一策略，作者将具有不同晶格、化学成分和磁性能的材料，即一个磁性成分(Fe3O4)和一系列半导体纳米棒结合在一起，在特定的位置吸收紫外线和可见光谱。由此产生的异质纳米棒表现出由特定位置磁场诱导的光学活性。本文提出的区域选择性磁化策略为设计手性和自旋电子学的光学活性纳米材料提供了一条途径。
Regioselective magnetization in semiconducting nanorods,
电催化CO2还原反应(CO2RR)为温室气体的利用、化学燃料的生产提供了一种可持续的、碳中性的方法。然而，从CO2RR高选择性地生产C2产品(例如乙烯)仍然是一个挑战。
鉴于此，多伦多大学Edward H. Sargent教授、加州理工学院Theodor Agapie教授、Jonas C. Peters教授等人提出了一种分子调控策略，用有机分子使电催化剂表面功能化，用于稳定反应中间产物，使CO2RR高选择性地产乙烯。
通过电化学、操作/原位光谱和计算研究，研究了通过芳基吡啶的电二聚作用衍生的分子库对Cu的影响。结果发现，粘附分子提高了CO中间体的稳定性，有利于进一步还原成乙烯。在中性介质的液流电池中，在偏电流密度为230 mA cm-2下，电催化CO2RR产乙烯的法拉第效率高达72%。
Molecular tuning of CO2-to-ethylene conversion,
有的。2021年1月新推出的子刊，自然-计算科学（Nature Computational Science）是一本2021年1月推出的新刊。本刊的推出是对计算机科学（包括科学计算和数据科学）、数学和自然科学之间联系的兴趣日益增长，相关文献不断增加这一趋势的回应。期刊关注包括计算科学领域的基础研究和应用研究。
你好，可以的。nature是接受这方面文章的，但占量比较小，而且一般要与自然科学相结合才有比较大的发表可能！当然，最主要还是要看你的创新和带来的效应。有比较多的算法研究论文（比如生物信息）就有很多发表在nature上！自然出版集团（NPG）以出版高质量的科学和医学信息而闻名。NPG出版的期刊，在线数据库及服务广泛覆盖生命科学，物理，化学，应用科学和临床医学领域。 自然出版集团是麦克米伦出版集团（Macmillan Publishing Ltd.）的重要组成部分。集团旗下创刊于1869年的《自然》，一直在致力于满足科研工作者的需求，现已成为最重要的国际学术周刊。除《自然》之外，NPG还出版了自然系列研究类期刊和综述类期刊，以及高端学术期刊与学会刊物。在互联网上， nature.com每月为超过600万访问者提供阅读NPG出版物和使用在线数据库的服务。 这些服务包括阅读《自然》的新闻和社论。
不可以。《Nature》《Science》《PNAS》《JAMA》这些都是国际顶级刊物但就《Nature》《Science》来说，他们是综合性刊物，更偏向通俗类科普读物；而子刊是更专业的，专门针对某一类别的研究。其中《Nature》是私人商业集团管理，《Science》是公益性的学会管理。就现在来讲，通过IF比较，某些子刊类的review甚至高于主刊，但综合来看，其实还是主刊更有影响力，毕竟刊登的是多方面的知识。对于这些20分以上的期刊，很难说谁比谁强，但Nature比其子刊难发是不争的事实，靠砸钱也许你能发个nature子刊（比如nature genetics），但是却发不了nature。同一篇文章是可能在其主刊和子刊以相同的名称发表的，因为《Nature》《Science》的出版周期很短，一周一刊，他会尽快的将研究成果展现出来，然后进一步通过子刊来深入介绍。还是不要想太多，一周一刊，前几年国内一年也就基本是100篇一下，研究生阶段看看就行，多学习，想法在这上面，几乎不可能。
如果是你自己想投稿的话，个人之见，估计《读者》比较适合你。这本杂志里的文章大多比较简单，却重视文章揭露的人生道理。如果你的文章是这一类型的，可以试试！早前我有找 壹品优刊帮忙，一下子就搞定了。
计算机学硕论文答辩前3年之内或答辩后1年内发小论文。根据查询相关公开信息显示，国家规定的申请学位有效期为论文答辩3年之内或答辩后1年内计算机硕士研究生发表小论文符合硕士学位申请要求。
计算机安全小型微型计算机系统计算机系统应用软件计算机与现代化计算机工程计算机工程与应用.................等等，都可以发表
着急吃不着热豆腐!这是我奶奶告诉我滴，这一次不能盲目,不要盲目!
那你就得找到合适的期刊呗~你要自己清楚自己写的论文是=属于什么级别的论文~可以投什么级别的期刊~你就去找对应的期刊~要是实在不知投哪一本~你就可以看看（计算机科学与应用）这本~总言之~选择最合适自己的期刊才会事半功倍
据学术堂了解，论文，既是一项研究的终点，也是每个研究人员、大学教师积累个人影响力的起点——做了项目要发论文，评职称也要发论文。当然，仅仅写出来的论文并不能作数，发表到期刊/会议上的论文才能证明其价值的归宿。
1、发论文是个系统工程。
先不论研究选题、研究设计、研究实施、数据收集与分析、论文撰写等一系列问题，即便有了一篇成形的论文，往哪儿投、如何和编辑联系、如何修改也是一项费心费力的事情。
2、每个过程中都存在着被退稿的可能。
俗话说得好，知己知彼，百战不殆。如果将期刊杂志作为你征战的目标的话，你首先要做到的事情就是全面了解你的目标。
就计算机领域而言，假设你已经做了一项研究，完成了一篇论文，想要投递出去，你需要解决以下两个问题：
①. 你可以投哪些期刊/会议？
②. 如何选择适合自己的期刊？
知道自己有哪些可以选择是第一步，所以有一份计算机领域的期刊/会议目录是非常有帮助的。
中国计算机学会会按照专业领域和期刊/会议等级（分为A、B、C三类）整理一些计算机国际学术会议和期刊目录(《中国计算机学会推荐国际学术会与和期刊目录》)。
2015年版的目录一共提供了以下几大领域的国际学术会议和期刊：计算机体系结构/并行与分布计算/存储系统、计算机网络、网络与信息安全、软件工程/系统软件/程序设计语言、数据库/数据挖掘/内容检索、计算机科学理论、计算机图形学与多媒体、人工智能、人机交互与普适计算、交叉/综合/新兴。
目录中的每一项会说明会议简称、会议全程、出版社和网址等信息。
国内的话，共整理了128本国内的计算机期刊信息(《国内计算机领域期刊目录》)，囊括了期刊的级别、发行审稿速度、投稿要求、主办单位等信息，帮助您了解：
1. 计算机领域中有哪些期刊可以投？
2. 核心期刊有哪些？
3. 这些期刊主要接收哪种主题的论文？
4. 这些期刊又有哪些投稿要求？
5. 期刊的审稿速度如何？能不能赶得上职称评选的截止日期？
基本上投稿需要的介绍信息这里都包括了，投稿的老师可以依着这份目录根据自己的情况以及期刊的信息来选择，省去了一个一个去期刊网站看信息的麻烦。
如何选择适合自己的期刊？
这里主要说说期刊的投递。
如果稿件投向了不适合的期刊，会存在几个比较负面影响，主要有以下三项：
（1）退稿：这是大概率事件了，内容不适合此期刊，退稿之后还要继续寻找其他的期刊，会使得稿件延迟数周或数月发表，延误原本的工作计划。
（2）不公正的同行评议：由于编辑和审稿人对作者研究领域的了解比较模糊，从而有可能导致稿件收到较差或不公正的同行评议。
（3）少有同行关注：埋没在一份同行很少问津的期刊中，达不到与同行交流的目的，也很难被他人引用。
所以在选择拟投期刊的过程中要将自己的需求条件和期刊方进行匹配，选择适合的期刊。
筛选时一般需要确定以下几个问题：
1. 论文的主题是否是期刊所规定的范围？
投稿之前阅读“投稿要求”或者“作者须知”是非常有必要的，这些信息能够帮助你判断期刊的领域是否与你的论文契合。同时这些信息往往也包括论文的格式、投递方式等。
2. 期刊的级别如何？
学校对评职称的论文是有级别要求的， 有的看引证指标（复合影响因子、综合影响因子）；有的看是否是核心期刊，是CSCD核心还是北大核心；有的评选条件则是看期刊是不是国家级核心期刊/省级核心期刊等。
3. 期刊的审稿时间如何？
如果审稿速度慢，超过职称评选限定时间，那么你就要慎重考虑。
4、其他因素要考虑
还有一些其他因素要考虑，例如版面费。总的来说，选择拟投期刊也是一件需要综合考量的事情。如果自己没把握，可以咨询比较有经验的领导，学生就可以咨询自己的导师，他们的经验会帮助你少走很多弯路。
计算机安全小型微型计算机系统计算机系统应用软件计算机与现代化计算机工程计算机工程与应用.................等等，都可以发表
你是需要发表哪一类文章的?一般的话省级的期刊就可以啦。