Npj Computational Materials

Npj Computational Materials是一份国际专业期刊,致力于汇集全球范围内最优秀的材料科学-MATERIALS SCIENCE, MULTIDISCIPLINARY研究者,为他们提供一个展示最新研究成果、交流学术思想的平台。该期刊中文名称:Npj 计算材料,国际简称:NPJ COMPUT MATER,在中科院分区表2023年12月升级版中大类学科位于1区。本刊是一本OA开放访问期刊,该刊预计审稿周期: 6 Weeks 。

基础信息
  • 大类学科:材料科学
  • 小类学科:MATERIALS SCIENCE, MULTIDISCIPLINARY
  • 是否预警:否
  • 影响因子:9.4
  • ISSN:2057-3960
  • E-ISSN:2057-3960
  • CiteScore:15.3
  • H-index:16
  • 出版语言:English
  • 出版商:Springer Nature
  • 出版地区:UNITED STATES
  • 出版周期:1 issue/year
  • 是否预警:否
  • 创刊时间:2015
  • 文章自引率:0.0515...
  • 是否OA:开放
  • 出版地区:UNITED STATES
  • 影响因子:9.4
  • 年发文量:220
  • 出版周期:1 issue/year
  • CiteScore:15.3
  • H-index:16
  • 研究类文章占比:97.27%
  • Gold OA文章占比:99.71%
  • 开源占比:0.9953
  • OA被引用占比:1
  • 出版国人文章占比:0.18
  • 出版修正文章占比:0.0594...

期刊简介

Npj Computational Materials杂志是一本开放获取期刊,由Springer Nature出版,1 issue/year发行一次。该杂志是材料科学领域方面发表综合文章的国际论坛。此外,该期刊还有助于促进这些研究领域的科学家之间的交流,从而开发新的研究机会,通过新发现推动该领域的发展,并接触到各个层次的科学家。该刊入选的论文应具有广泛意义的数据、综合研究或概念。

Npj Computational Materials已被国际权威数据库SCIE收录。该刊欢迎来自所有材料科学及其相关领域的投稿,编辑们致力于迅速评估和发表提交的论文,同时坚持高标准,该期刊发表多种类型的内容,包括原创研究论文、综述、信件、通讯和评论,这些内容详细阐述了该领域的重大进展并涵盖热门话题。近年在Npj Computational Materials期刊上发表文章的机构主要的有:UNITED STATES DEPARTMENT OF ENERGY (DOE)、UNIVERSITY OF CALIFORNIA SYSTEM、CHINESE ACADEMY OF SCIENCES、MAX PLANCK SOCIETY、PENNSYLVANIA COMMONWEALTH SYSTEM OF HIGHER EDUCATION (PCSHE);在该期刊上发表文章的主要国家和地区有:USA、CHINA MAINLAND、GERMANY (FED REP GER)、Japan、England。

中科院SCI分区表

中科院分区 2023年12月升级版
大类学科 小类学科 Top期刊 综述期刊
材料科学 1区
MATERIALS SCIENCE, MULTIDISCIPLINARY 材料科学:综合 CHEMISTRY, PHYSICAL 物理化学
1区 2区
中科院分区 2022年12月升级版
大类学科 小类学科 Top期刊 综述期刊
材料科学 1区
MATERIALS SCIENCE, MULTIDISCIPLINARY 材料科学:综合 CHEMISTRY, PHYSICAL 物理化学
1区 2区
中科院分区 2021年12月旧的升级版
大类学科 小类学科 Top期刊 综述期刊
材料科学 2区
CHEMISTRY, PHYSICAL 物理化学 MATERIALS SCIENCE, MULTIDISCIPLINARY 材料科学:综合
2区 2区
中科院分区 2021年12月基础版
大类学科 小类学科 Top期刊 综述期刊
工程技术 1区
CHEMISTRY, PHYSICAL 物理化学 MATERIALS SCIENCE, MULTIDISCIPLINARY 材料科学:综合
2区 2区
中科院分区 2021年12月升级版
大类学科 小类学科 Top期刊 综述期刊
材料科学 2区
CHEMISTRY, PHYSICAL 物理化学 MATERIALS SCIENCE, MULTIDISCIPLINARY 材料科学:综合
2区 2区
中科院分区 2020年12月旧的升级版
大类学科 小类学科 Top期刊 综述期刊
材料科学 2区
CHEMISTRY, PHYSICAL 物理化学 MATERIALS SCIENCE, MULTIDISCIPLINARY 材料科学:综合
2区 2区

中科院分区表被广泛应用于国际科研评价体系中。许多国际学术机构、研究基金以及大学都采用这种分区方式来评估研究者的学术贡献和水平,这使得中科院SCI期刊分区在国际上得到了广泛的认可和应用。中科院SCI期刊分区的计算方式主要基于期刊的三年平均影响因子, 这一计算方式更准确地反映期刊在一段时间内的学术影响力和水平。

JCR分区(2023-2024年最新版)

按JIF指标学科分区 收录子集 分区 排名 百分位
学科:CHEMISTRY, PHYSICAL SCIE Q1 32 / 178

82.3%

学科:MATERIALS SCIENCE, MULTIDISCIPLINARY SCIE Q1 59 / 438

86.6%

按JCI指标学科分区 收录子集 分区 排名 百分位
学科:CHEMISTRY, PHYSICAL SCIE Q1 26 / 178

85.67%

学科:MATERIALS SCIENCE, MULTIDISCIPLINARY SCIE Q1 54 / 438

87.79%

Cite Score(2024年最新版)

  • CiteScore:15.3
  • SJR:2.447
  • SNIP:2.017
学科类别 分区 排名 百分位
大类:Mathematics 小类:Modeling and Simulation Q1 5 / 324

98%

大类:Mathematics 小类:Mechanics of Materials Q1 15 / 398

96%

大类:Mathematics 小类:Computer Science Applications Q1 37 / 817

95%

大类:Mathematics 小类:General Materials Science Q1 38 / 463

91%

CiteScore分区标准主要是基于学科领域期刊的引用次数排名进行划分的。具体来说,这个标准将期刊分为四个区域:Q1、Q2、Q3和Q4。Q1区包含的是引用次数排名最前的前25%的期刊,这些期刊在学科领域内具有最高的影响力。接下来的Q2区包含引用次数排名次高的25%的期刊,以此类推,Q3和Q4区分别包含引用次数排名中等的和后25%的期刊。

期刊指数

影响因子和CiteScore统计图

影响因子和CiteScore都是重要的学术评价指标,能够帮助研究者和学者了解期刊的学术影响力。影响因子(Impact Factor)和CiteScore在计算方式和覆盖范围上有所不同。影响因子主要关注期刊过去两年内发表的论文被引用的次数,而CiteScore则考虑了过去三年的数据。此外,影响因子是基于Web of Science数据库计算的,而CiteScore则是基于Scopus数据库。这使得两种指标在评估学术期刊时具有不同的侧重点和覆盖范围。

中科院分区表统计图
被他刊引用次数统计
引用他刊次数统计

期刊被他刊引用次数反映了期刊上发表的论文被其他研究者和学者引用的频率。被引指数越高,说明该期刊的论文在学术界受到的关注越广泛,影响力也越大。

期刊引用他刊次数指标通常指的是该期刊所发表的论文中引用其他期刊文献的次数。这个指标可以反映期刊在学术交流和知识传播中的活跃程度,以及期刊对外部研究成果的引用和整合能力。

该期刊中国学者近期发表论文选摘

  • Machine-learning atomic simulation for heterogeneous catalysis Journal: NPJ COMPUTATIONAL MATERIALS. 2023; Vol. 9, Issue 1, pp. -. DOI: 10.1038/s41524-022-00959-5
  • Predicting lattice thermal conductivity via machine learning: a mini review Journal: NPJ COMPUTATIONAL MATERIALS. 2023; Vol. 9, Issue 1, pp. -. DOI: 10.1038/s41524-023-00964-2
  • In-plane ferroelectric tunnel junctions based on 2D alpha-In2Se3/semiconductor heterostructures Journal: NPJ COMPUTATIONAL MATERIALS. 2023; Vol. 9, Issue 1, pp. -. DOI: 10.1038/s41524-022-00953-x
  • Shift current response in elemental two-dimensional ferroelectrics Journal: NPJ COMPUTATIONAL MATERIALS. 2023; Vol. 9, Issue 1, pp. -. DOI: 10.1038/s41524-023-01026-3
  • Active learning to overcome exponential-wall problem for effective structure prediction of chemical-disordered materials Journal: NPJ COMPUTATIONAL MATERIALS. 2023; Vol. 9, Issue 1, pp. -. DOI: 10.1038/s41524-023-00967-z
  • A generative deep learning framework for inverse design of compositionally complex bulk metallic glasses Journal: NPJ COMPUTATIONAL MATERIALS. 2023; Vol. 9, Issue 1, pp. -. DOI: 10.1038/s41524-023-00968-y
  • Quantum anomalous hall effect in collinear antiferromagnetism Journal: NPJ COMPUTATIONAL MATERIALS. 2023; Vol. 9, Issue 1, pp. -. DOI: 10.1038/s41524-023-01025-4
  • Tunable sliding ferroelectricity and magnetoelectric coupling in two-dimensional multiferroic MnSe materials Journal: NPJ COMPUTATIONAL MATERIALS. 2023; Vol. 9, Issue 1, pp. -. DOI: 10.1038/s41524-023-00972-2
  • Strong quartic anharmonicity, ultralow thermal conductivity, high band degeneracy and good thermoelectric performance in Na2TlSb Journal: NPJ COMPUTATIONAL MATERIALS. 2023; Vol. 9, Issue 1, pp. -. DOI: 10.1038/s41524-023-00970-4
  • Million-scale data integrated deep neural network for phonon properties of heuslers spanning the periodic table Journal: NPJ COMPUTATIONAL MATERIALS. 2023; Vol. 9, Issue 1, pp. -. DOI: 10.1038/s41524-023-00974-0
免责声明

若用户需要出版服务,请联系出版商:HEIDELBERGER PLATZ 3, BERLIN, GERMANY, 14197。