软件学报专刊征文：绿色低碳机器学习研究与应用（截稿时间：2023年5月15日）

微信服务号

微信订阅号

近年来，随着学术界与工业界在机器学习和人工智能领域投入越来越多的关注，相关技术获得飞速发展，机器学习已经被应用到社会生活的方方面面，并产生巨大社会价值。在数字化不断深入和“元宇宙”等未来科技概念渐趋流行的当下，机器学习对能源和算力的需求不断攀升。我国于2020年提出“双碳”目标，逐步引导绿色技术创新，最大限度地减少资源开采和碳排放，实现经济增长和生态平衡的综合效益。在机器学习中，面对海量数据和模型规模不断扩大的趋势，对数据的高效利用和算力资源的优化越来越重要，主要体现在：精简整体模型设计、从弱监督数据中获取高质量信息、提高模型算法实现效率等方面。同时，在利用绿色能源、节能减排等应用中，例如风能预测、新能源调度、微电网调度等“双碳”新方向，均面临系统复杂性增加的难题，机器学习的数据驱动特效使其成为在此类复杂场景下达成“双碳”目标的潜在工具，需求愈发突出。

基于此，机器学习领域的研究人员亟须研究绿色低碳的机器学习方法和系统，包括面向低能耗机器学习的模型量化和压缩、高效计算、结合逻辑推理的可信机器学习、小样本学习、知识融合的快速学习、面向绿色机器学习的新型计算平台和原型系统，以及面向绿色低碳领域问题中的应用等。在该背景下，本刊提出“绿色低碳机器学习”这一主题，旨在从数据利用效率提升、算力使用优化、以及“双碳”场景应用的角度，广泛收集机器学习在相关理论、方法、系统和应用场景中的研究成果。

专刊预录用论文需在第十九届中国机器学习会议（CCML 2023）做报告，根据论文修改情况和会议报告情况终审确定是否录用，专刊预期将在2024年第4期出版。欢迎机器学习及相关研究领域的专家学者、科研人员踊跃投稿。

专刊题目：绿色低碳机器学习研究与应用

特约编辑：封举富（北京大学）、俞扬（南京大学）、刘淇（中国科学技术大学）

出版时间：2024年第4期

一、征文范围

包括但不限于以下主题：

1.低能耗的机器学习理论与方法

包括：模型量化和压缩、高效计算、自动调参、贝叶斯优化、结合逻辑推理的可信机器学习、零样本学习、小样本学习、领域自适应、元学习、强化学习、生成式学习、对比学习、知识融合的快速学习等

2.面向绿色低碳领域的机器学习新应用、新型计算平台和原型系统

包括：绿色城市、新型电网、工业节能减排、“AI for Science”、智能交通、智慧教育、医疗健康、智慧司法、产业规划、资源调配、推荐系统、社交网络、信息检索、金融保险、软件工程等

二、投稿要求

1. 投稿方式：采用“软件学报在线投稿系统”(http://www.jos.org.cn)投稿。投稿时请选择投稿类型为“专刊投稿”，并在备注栏中注明“绿色低碳机器学习研究与应用”字样。

2. 稿件格式：参照《软件学报》论文格式(网站上提供了论文模版，可下载)。

3. 投稿文章未在正式出版物上发表过，也不在其他刊物或会议的审稿过程中，不存在一稿多投现象；保证投稿文章的合法性(无抄袭、剽窃、侵权等不良行为)。

4. 其他事项请参阅投稿指南http://www.jos.org.cn/ch/reader/view_fixed_content.aspx?id=instructions

5. 投稿作者需提交投稿声明；专刊投稿文章不收审理费。录用刊发文章收取软件学报标准版面费。发表之后，将按软件学报标准支付稿酬，并赠送样刊。

6. 通过第一轮评审的论文作者，需在CCML2023做学术报告，根据论文修改情况和会议报告情况终审确定是否录用。

三、重要时间

截稿时间：2023年5月15日

第一轮结果通知时间：2023年7月6日

提交修改稿时间：2023年7月21日

CCML2023会议时间：2023年8月11-13日

最终结果通知时间：2023年8月22日

出版时间：2024年第4期

发布日期:2022-12-06浏览次数:

当期目录

年第期

文章目录

过刊浏览

联系方式

《软件学报》
主办单位：中国科学院软件研究所
中国计算机学会
邮编：100190
电话：010-62562563
电子邮箱：jos@iscas.ac.cn
网址：https://www.jos.org.cn
刊号：ISSN 1000-9825
CN 11-2560/TP
国内定价：70元

微信服务号

微信订阅号

当期目录

年份

刊期