瑞士科学探索发表论文

最近，一位来自中国的女科学家斩获美国科学突破奖，奖金高达100万美元（约合人民币1076万元）。在 Science发表的6篇论文中，她主要以第一作者身份、共同通讯作者身份对果蝇进行转录调控。此外，她还为细胞生长因子受体(FGF-1)抑制剂的研究作出了贡献。据悉，该奖是针对基础生物学领域(Biology、 Science、 Cell、 Nature)的重大研究成果而设立的。

获奖人将有机会获得100万美元奖金，其中一半将用于资助一位新发科研论文最多且优秀的年轻科学家。该奖项授予对基础研究领域做出杰出贡献的科学家，奖励他们在科学工作中取得的突破。该奖项自2010年设立以来已颁发了七届，每届都有超过40名科学家获奖。“杰出青年女科学家奖”是美国科学部设立的面向21世纪初自然科学领域优秀学生和高级研究人员所颁发的综合性科研奖励项目之一。

这个奖项，大家可能很陌生，但是它颁发的机构，就在美国。它的主要奖励范围除了基础科研之外，还有对于未来科研发展方向的探索。作为“年度大突破”奖项，美国科学突破奖每年都会在全球范围内筛选优秀青年科学家。

这意味着他们会在进入一个新领域之前，已经获得了一个很好的开端。在今年的评选过程中，更是吸引了全球著名学者参与进来，包括多位诺贝尔奖得主亲自到现场领奖。不仅如此，还有来自世界各地的科学家前来参与到这项活动中来，为年轻科学家的成长提供了更多机会和舞台。可以说在当下这样一个科学成果大爆发的时代下，青年学者们是非常具有代表性的。

杨树从英国剑桥大学博士后出站回国后，就带着她的学生展开研究，意料之外地发现做出的样品完全没有传统氮化镓器件中普遍存在的动态电阻退化问题——这突破了传统氮化镓器件的性能瓶颈。而随后，她研制出高压、高频、高效的新型垂直氮化镓功率器件，攻克了长期困扰该器件的动态性能退化难题。

这位女科学家能获得一百万的大奖她不仅攻克了发布science过程中的一些专业性的问题，而且还攻克了对于一些学术问题的很好解释。

导语

最先进的人工智能算法已经开始在探测星系的演化、计算量子力学波函数、探索新的化合物等领域施展拳脚。那么，还有没有那种无法自动化而只能由科学家完成的工作？

如今的物理学和天文学实验会产生海量的数据，已经没有人或团队能够跟进所有的这些数据了。其中一些数据每天以TB级的规模增加，而且这个趋势不会减弱。在二十一世纪 20 年代中期射电望远镜 Square Kilometer Arra 将投入使用，它每年产生的数据量和整个互联网的数据量一样多。

面对数据洪流，许多科学家开始求助于人工智能。只需要少量的人工输入，人工智能系统（如神经网络）就能够在数据海洋中漫游，识别异常，挖掘出人类尚未发现的模式。

当然，利用计算机来辅助科学研究的历史可以追溯到约 75 年前，然而人类几千年前就在手工调查研究数据来寻找其中的有意义的模式。但是，近期一些科学家认为以机器学习、人工智能为代表的新技术能以一种全新的模式去进行科研工作。其中一种被称为生成模型的方法，能从对观测数据的诸多解释中找到最可信的理论，更为重要的是，该方法在研究中无需预先编入对于系统可能起作用的物理过程。其拥护者认为，生成模型的创新程度足可以被视为理解宇宙的潜在的“第三种方法”。

在传统上，我们是通过观测来了解自然的。回想一下，开普勒就是通过研究第谷的行星位置表，辨识潜在的行星运行模式，才得以推断出行星是沿椭圆轨道运行的。同样的，科学可通过模拟来获得进步。一位天文学家可能会模拟银河系及其邻近的仙女座星系的运动，并预测它们将在几十亿年后碰撞。观测和模拟都有助于科学家生成假设，然后用进一步的观测来检验假设，而生成模型不同于这两种方法。

瑞士联邦理工学院的天文物理学家 Kevin Schawinski 也是一位生成模型的积极支持者。他认为：“ 生成模型是介于观测和模拟之间的第三种方法，这是解决问题的另一种方式。”

Kevin Schawinski 是一名天体物理学家，他经营着一家名为 Modulos 的人工智能公司，他认为一种名为生成模型的技术提供了第三种了解宇宙的方式。

一些科学家仅仅把生成模型及其它新技术当作传统科研中的工具，但是大多数研究者都认为 AI 的影响力巨大，并且在科学研究领域会发挥越来越大的作用。费米国家加速器实验室的天体物理学家 Brian Nord 使用人工神经网络来研究宇宙。他担心没有什么是不能通过自动化完成的事情，“这个推测倒是有点令人恐慌。”

来自“生成”的探索

从研究生毕业时起，Schawinski 就因用数据驱动科学研究而闻名。在攻读博士学位期间，他面对的任务是，根据星系的外观数据对数千个星系进行分类。因为没有什么现成的软件能帮助他完成这项工作，他决定用众包的方式完成这项工作——于是，银河动物园（Galaxy Zoo）公民科学项目诞生了。

从 2007 年开始，普通的电脑用户只要记录下他们推测的星系最佳归类，就能帮助到天文学家。通过多数票胜出来判定，通常能带来正确的分类结果。

这是一个成功的项目，但 Schawinski 也注意到， AI 让这个模式过时了——今天，一个具有机器学习和云计算背景的天才科学家只需要花费一个下午就能完成这个工作。

在 2016 年，Schawinski 把目光投向了生成模型，这个强大的新工具。本质上来说，生成模型是在求解，当给定条件 X 和观测结果 Y 时，概率 P(X,Y) 有多大。这个方法已经被证明是非常有效的。

生成模型中最为著名的就是生成对抗网络（GAN）。经过充分的训练后，GAN 模型能够修复损坏和像素缺失的图像，也能让模糊的图像变得清晰。该模型通过竞争（对抗）来学习推断缺失的信息，这个神经网络的一部分被称作生成模型（generator）：生成虚拟的数据；另一部分被称为判别模型（discriminator）：把生成出来的虚假数据和真是数据分割开来。两个部分交替训练，逐步优化（类似于博弈）。

或许，你已经看过最近流传甚广的GAN生成的假面孔。正如那个标题所言“这些人并不存在却又真实得吓人”。

上面看到的脸孔都不是真实的，上面的 A 列，和左侧的 B 列都是由生成对抗网络（GAN）使用真实的面部元素构建的。然后，GAN 将 A 中的面部的基本特征（性别，年龄和脸形）与 B 中的面部的精细特征（头发颜色、眼睛颜色）相结合，构建出了上图表格中的所有人脸图像。

潜在空间

概括地说，生成模型获得数据（大多数是图像），并把他们分解成抽象的基本要素——科学家将其称为数据的“潜在空间”。算法能控制潜在空间中的元素，以此来探究这些元素如何影响原始的数据。这个方法有助于揭示该系统运作的物理过程。

潜在空间是一个抽象的难以想象的概念。不过我们可以做一个类比：当你在试图确定一个人脸的性别时，你的大脑可能在做什么呢？也许会注意到人的发型、鼻子的形状，甚至在运用一些你无法用言语描述的判断模式。同样的，计算机程序也在数据中寻找显著的特征。即便计算机并非不知道什么是性别，什么是小胡子，但如果我们提供给机器学习系统的数据集标注了“男性”和“女性”，并且一部分人还有一个标签叫“小胡子”，计算机能快速地推断出其中的关联性。

生成模型与星系演化

12月发表在《天文学与天体物理学》（Astronomy & Astrophysics）上的一篇论文中，Schawinski 与他在苏黎世联邦理工学院的同事 Dennis Turp 和 Ce Zhang 使用生成模型来研究星系在演化过程中所经历的物理变化。

因为他们使用的软件与 GAN 相似，但其在对潜在空间处理的技术与 GAN 有所差异，所以从技术角度来说这不是 GAN。他们的模型创建了人工数据集，去测试假设的物理过程。比如说，他们想知道恒星形成的“淬熄”（形成速率快速下降）与星系环境密度的增加之间的关系。

对 Schawinski 来说，关键问题是仅从数据中能挖掘出多少和恒星与星系演变相关的信息。“让我们忘却所有的关于天体物理学的知识。仅依靠数据本身，我们能在多大程度上重新发现这些知识？”

首先，星系的图片被压缩至他们的潜在空间，然后 Schawinski 在这个空间中调整元素，使其能对应上星系的特定环境变化，比如周围物质的密度。这样就有了一个假设生成器。通过重构这个星系，让大量原本处于低密度环境中的星系处于高密度环境中以此来看看带来了什么不同。

这三位研究者注意到随着星系从低密度环境走向高密度环境，它们的颜色会变得更红，恒星也变得更加集中。Schawinski 指出这一点与现有的星系观测相吻合，问题是，为什么会这样？

Schawinski 说，后续的工作还没有实现自动化，“人类必须参与其中，那么，什么样的物理原理可以解释这种效应？”对于这个过程，可能有两种解释，一是在高密度环境中，星系更红是因为其中包含了更多的尘埃；或者是因为恒星的形成减少了（换句话说，恒星更老了）。

现在有了生成模型，这两种思路都能接受检验。改变与与尘埃和恒星形成率相关的潜在空间元素，就能观测这种改变对星系颜色的影响。Schawinski 说：“答案很显然，星系更红是因为恒星形成率在下降，而不是因为尘埃。因此，我们应该采纳这个解释。”

利用生成模型，天体物理学家可以研究星系如何从低密度环境走向高密度环境，以及这些变化背后的物理原理。

生成模型相较于传统方式的优势

这种方法与传统的模拟方法相近，但与之有关键的差别。Schawinski 表示：“模拟本质上是由假设驱动的。也就是说，我们自认为已经洞悉了观测现象背后的物理法则。所以，我们把恒星形成规律、暗物质行为的原理等等这些我们自认为正确的假设放在一起，模拟运行。但是，模拟环境真的与实际情况吻合吗？”。他用生成模型所做的事情与模拟完全相反，“我们不知道任何事情，不做任何假设，我们希望数据本身能告诉我们可能会发生什么。”

生成模型在这项研究中取得的成功并不意味着天文学家和研究者就是多余的。但这似乎提醒研究者们——仅仅掌握了大量数据的人工智能系统就能够完成对天体物理学的学习。Schawinski 说：“这不是完全自动化的科学，但这意味着我们至少有能力去构建部分工具，使科学过程自动化。”

虽然生成模型非常强大，但这是否真的代表了一种新的科学研究方法还有待商榷。

对于纽约大学和 Flatiron 研究所的宇宙学家 David Hogg 来说，这项技术令人印象深刻，但充其量也只是一种从数据中提取模式特征的复杂方法——这是天文学家几个世纪以来都在做得事情。换而言之，这是观测、分析的高级形式。

和 Schawinski 相同，Hogg 的工作也充分应用人工智能；他一直在利用神经网络来对恒星进行基于光谱特征的分类，并使用数据启动的模型来推断恒星的其他物理属性。但是他认为他的工作和 Schawinski 的一样，都是经过检验的科学。Hogg 表示：“我不认为这是第三种方法。只是我们这个社群在对数据处理的方法上更加复杂而已。特别的是，我们越来越善于将数据与数据进行比较。但是依我看来，我的工作仍然是在做观测。”

人工智能：

勤奋而“难以捉摸”的科研助手

无论在概念上是否有创新性，人工智能和神经网络已经显然在当代天文学和物理学研究中发挥了关键作用。在海德堡理论研究所工作的物理学家 Kai Polsterer 领导着一个天体信息学小组，这个小组主要关注以数据为中心的天体物理学研究新方法。从星系数据集中提取红移信息曾经是一项艰巨的任务，而现在他们小组使用机器学习算法就能解决这个问题。

Polsterer 认为这些基于基于人工智能的新系统是“勤奋的助手”，可以连续处理数据数个小时而不抱怨单调无聊，不抱怨工作条件。这些系统可以完成所有枯燥乏味的繁重工作，研究者就能脱身去做“又酷又有趣的科学工作”。

Polsterer 警告说，这些系统并不是完美的，算法只能去做他们被训练过的事情，系统对输入的数据是“无感觉的”。给 AI 系统一张星系图片它可以估算其红移和年龄，但是你给同一个系统一张自拍照或者一张臭鱼烂虾的照片，它也会照方抓药估算出一个（错误的）年龄。Polsterer 认为，人类科学家的监督工作非常重要。工作还是要回到研究者身上，研究者才是要负责解释这些现象的人。

就这一点而言，费米实验室的 Nord 警告道，神经网络不仅要给出结果，也要给出相关的误差线，如果在科学研究中，你做了一个测量但没有报告相关的误差估计，就没有人会认真对待这个结果。

就像许多的人工智能研究员一样，Nord 也关注神经网络给出的结果的可解释性，通常来说，一个 AI 系统在给出结果时无法明确地表示出这个结果是如何获得的。

然而，并不是每个人都觉得结果不透明是一个必须关注的问题，法国CEA Saclay理论物理研究所的研究员 Lenka Zdeborová 指出，人类的直觉同样难以捉摸，给你看一张猫的图片，你能立刻认出这是一只猫，但是你并不知道你是怎样做到这一点的，从这个角度上来说，人的大脑就是个黑盒。

并不仅仅是天体物理学家和宇宙物理学家在向人工智能助力、数据驱动的科学研究发展。Perimeter 理论物理研究所和安大略滑铁卢大学的量子物理学家 Roger Melko 已经使用神经网络来解决该领域中的一些最棘手最重要的问题，例如多粒子系统的波函数的数学表示。

因为波函数的数学形式可能会随着它所描述的系统中的粒子数量呈指数级增长，这被 Melko 称为是“指数维度诅咒”，在这样的工作中 AI 就是不可缺少的组成部分了。

这个困难类似于在国际象棋和围棋中找到最好的走法：玩家会试图多看一步，想想对手会出什么招，然后再选择自己的最佳应对策略。但是随着思考步数的增加，复杂性也大为增加。

当然， AI 已经攻克了这两个领域。 1997 年 5 月 11 日，深蓝计算机在国际象棋领域战胜了人类；2017年4月10日，AlphaGo 战胜了柯洁，AI 在围棋领域战胜了人类。Melko 认为，量子物理学也面临同样的问题。

机器的思想

无论是 Schawinski 所声称的他找到的是科学研究的“第三方法”，还是如 Hogg 所说的这“仅仅是传统上的观测和数据分析”。我们可以明确的是， AI 正在改变科学探索的方式并且在加速科学发现，值得探讨的是，这场 AI 革命在科学领域能走多远？

有时候，人们会对“人工智能科学家”的成就大肆褒奖。十年前，一个名叫亚当的 AI 机器人化学家研究了面包师傅的酵母的基因组，并找出了负责制造某种特定氨基酸的是哪些基因。（亚当观察缺少某些特定基因的酵母菌落，并与拥有这些基因的菌落的行为进行比较，由此找到差异完成研究。）

当时Wired杂志的标题是：机器人独立完成科学发现。

最近，格拉斯哥大学的化学家 Lee Cronin 在使用机器人去随机混合化学物质，由此来观测会形成什么样的化合物，并通过质谱仪、核磁共振机和红外分光计实时监控反应，这个系统最终能学会预测哪些组合的化学反应最为剧烈。Cronin 表示即使这个系统不能带来新的发现，机器人系统也能让化学家的研究效率提高 90%。

去年，苏黎世联邦理工学院的另一组科学家们在训练神经网络从数据中推导物理定律。他们的系统类似于“机器人开普勒”，利用从地球上观测到的太阳和火星的位置信息，重新发现了日心说；并且通过观测小球碰撞模型发现了动能守恒。因为物理定律通常会有多种表述形式，科学家们想知道这个系统能否提供种更简洁的方法来思考已知的物理定律。

这些都是 AI 启动、助力科学探索的例子。尽管在每一个例子中，这些新方法的革命性都会收到争议。但在这个信息浩如烟海且高速增长的时代，最值得商榷的问题可能是：仅从数据中，我们能获得多少信息？

在《The Book of Why: The New Science of Cause and Effect》一书中，计算机科学家 Judea Pearl 和科学作家 Dana Mackenzie 断言到：数据“愚蠢至极”。他们写到：关于因果性的问题“永远不能仅凭数据去寻找答案”。

“每当你看到以无模型的方式分析数据的论文或研究时，你可以肯定的是这项研究成果仅仅是总结，或许做了转述，但绝对不是在解释数据。”Schawinski 对 Pearl 的观点抱有同感，“只使用数据”这个想法有点类似于“稻草人”。他也从未生成以这样的方式做因果推断。他想说的是：“和我们通常的工作相比，我们可以用数据多做点事。”

另一个经常听到的观点是：科学需要创造力。

可是到目前为止，我们还不知道，如何将创造力编入计算机。（Cronin 的机器人化学家只是在简单地尝试科研工作，似乎不能算是特别有创造力）Polsterer 认为：“创建一套理论，有理有据的理论，我认为需要创造力，而创造力离不开人类。”

然而，创造力来自何方呢？Polsterer 怀疑这和不喜欢无聊有关，这恐怕是机器所没有的体验。“要拥有创造力，你必须厌恶无聊，然而我认为电脑就永远不会感受到无聊。”然而，“创造力”、“灵感”却常常用来描述深蓝、AlphaGo 这样的 AI 程序。我们在描述机器的思想时的困难映射出我们在描述自己思维过程时的困难。

Schawinski 最近离开了学术界，去了私人企业。他现在经营着一家名为 Modulos 的初创公司，该公司雇佣了许多联邦理工学院的科学家。根据该公司的网站介绍，该公司位于“人工智能和机器学习这股风潮的风眼中”。无论当前人工智能技术和成熟的人工智能之间存在多大的差距，他和其他专家都认为机器已经准备好了去完成更多的科学家的工作。不过，AI 的局限性还有待考证。

Schawinski 畅想道：“在可以预见的未来，有没有可能去制造出一台能过发现物理定律、数学原理的机器，甚至超越当今最聪明的人类的能力极限？科学的未来终将被人力所不能及的机器所掌握么？这是一个好问题，但我不知道答案。”

探索科学刊物

是的电子期刊也称为电子出版物、网上出版物。就广义而言，任何以电子形式存在的期刊皆可称为电子期刊，涵盖通过联机网络可检索到的期刊和以CD-ROM形式发行的期刊。是一种通过相互动态结合来呈现给读者的刊物，此外，还有超链接、及时互动等网络元素，是一种很享受的阅读方式。复刊后，头七年（ 1985 －1991年）为季刊，1992年起改为双月刊。面对新时期的形势和任务，周光召主编在《复刊词》中指出：《科学》复刊后所承担的任务是向我国已经受过普通教育的人（包括正在或已经受过高等教育的人）综合地介绍现代科学的各个方面，帮助他们提高现代科学的素养。复刊的《科学》将在改善知识结构、增进对现代科学的了解方面做广大读者的益友。复刊后，《科学》杂志编委会和编辑部密切合作，发扬“从整个根本入手”“求真致用并重”的办刊传统，注意“理工结合”、“文理结合”和“科(学)艺(术)结合”，努力以“隔行能看懂，本行受启发”的高级科普风格，吸引读者关注科学家探索前沿的求真之心，理解求真的科学有促进人和社会进步巨大功能的致用之理，逐步在刊物周围形成了一个人数稳定上升的新一代读者群。据读者调查统

首先论文被数据库检索是需要一定时间的，一般是当期期刊出刊后的1-2个月左右检索，所以检索收录需要一定时间，如果在数据库没有找到自己的文章，作者首先要确定是否还在检索所需时间内，如果还在就耐心等待一下，这个时间可以先向杂志社了解清楚。其次，作者要确定自己所发表的期刊是被数据库检索的期刊，如果期刊没有被检索，文章自然也不会被检索，确定发表期刊被检索这一项工作在写作发表前就要确定，投稿发表了再确定一旦出现问题就来不及了，以上两个方面只要都符合，那么文章被检索就是迟早的事儿，只不过时间问题罢了。所以当作者遇到文章在数据库查询不到的情况时首先不要惊慌，弄清楚具体情况，作者务必要尽早准备论文发表，把检索所需的时间考虑到位，以上就是对发表论文在三大网站检索不到原因的阐述，更多疑问可以咨询职称驿站在线编辑

你好，其实对于杂志的级别国家没有明确分类，只是一些地方要求其杂志的主管或主办单位要比较大！按照地方要求来说，一些国家级单位像：国卫生部，科技部，国家图书馆 ..这一类的都算是国家级期刊，另外杂志的国内刊号为 CN11 开头的也是属于国家级期刊！我是杂志社编辑希望我的答案能帮到您！

探索科学投稿

英文自然杂志分为中国的自然杂志和英国的nature分述如下：《自然杂志》是一本内容涵盖自然科学各个领域的学术性和知识性、动态性相结合的综合刊物 , 是北京大学图书馆等机构审定的自然科学总论类国家中文核心期刊 , 也是我国多种检索和光盘版的全文收录源刊物。《自然杂志》的办刊宗旨是：介绍自然科学领域各学科和工程技术方面的最新成就和发展 , 传播自然科学知识，支持有创见的新思想与新学说，开展学术交流与争鸣，以帮助读者拓宽知识面，提高科学素养。根据本刊顾问钱伟长院士的建议 , 把刊物办成“沟通不同学科、不同专业的桥梁”，要求来稿既要有较高的学术水平，又要有较强的可读性，做到深入浅出，尽量避免非必要的专业术语，少用数学式和化学结构式，以便使其他专业的读者也能理解，并引起他们的兴趣。本刊设有：特约专稿、科学时评、专题综述、科技进展、科学人物、科学技术史、探索与假说等栏目。《自然杂志》的读者对象是 : 广大科技工作者、大专院校师生、中学教师及自然科学爱好者。英国Nature，英国著名杂志《Nature》是世界上最早的国际性科技期刊，自从1869年创刊以来，始终如一地报道和评论全球科技领域里最重要的突破。影响因子26（04年数据）。其办刊宗旨是“将科学发现的重要结果介绍给公众…，让公众尽早知道全世界自然知识的每一分支中取得的所有进展”。《Nature》网站涵盖的内容相当丰富，不仅提供1997年6月到最新出版的《Nature》杂志的全部内容，其姊妹刊物《Nature》出版集团(The Nature Publishing Group)出版的8种研究月刊,6种评论杂志,2种工具书。期刊列表：研究月刊：《自然生物技术》(Nature Biotechnology)《自然细胞生物学》(Nature Cell Biology）《自然遗传学》(Nature Genetics)《自然免疫学》（Nature Immunology）《自然材料》（Nature Materials）《自然医学》(Nature Medicine)《自然神经科学》(Nature Neuroscience)《自然结构生物学》(Nature Structural Biology)评论周刊：《癌症自然评论》Nature Reviews Cancer (2001)《药物发现自然评论》Nature Reviews Drug Discovery (2002)《遗传学自然评论》Nature Reviews Genetics《免疫学自然评论》Nature Reviews Immunology (2001)《分子和细胞生物学自然评论》Nature Reviews Molecular and Cell Biology《神经系统科学自然评论》Nature Reviews Neuroscience<科学>杂志是由著名科学家拖马斯·爱迪生于1880年创办的,是迄今世界上发行量最多的综合性科学周刊.它从前一直由美国科学促进会负责管理,后来为了保证刊物的独立发展又独立出来.促进会对杂志社进行宏观监控,该刊主要报导科学新闻、研究成果和科研发展趋势,其办刊宗旨是让科学家掌握科学前沿发展动态,紧跟科技发展趋势. 科学杂志英文名：Science Magazine 《科学》是发表最好的原始研究论文、以及综述和分析当前研究和科学政策的同行评议的期刊。该杂志于1880年由爱迪生投资1万美元创办，于1894年成为美国最大的科学团体“美国科学促进会”——American Association for the Advancement of Science (AAAS)的官方刊物。全年共51期，为周刊，全球发行量超过150万份。多数科技期刊都要向读者收取审稿、评论、发表的相关费用。但《科学》杂志发表来稿是免费的。其杂志的资金来源共有三部分:AAAS的会员费；印刷版和在线版的订阅费；广告费。《科学》杂志属于综合性科学杂志，它的科学新闻报道、综述、分析、书评等部分，都是权威的科普资料，该杂志也适合一般读者阅读。“发展科学，服务社会”是AAAS也是《科学》杂志的宗旨。在全球，《科学》杂志的主要对手为英国伦敦的《自然》杂志，该杂志创办于1869年，曾发表了大量的达尔文、赫胥黎等大师的文章。21世纪的前4年中，二者为率先发表人类基因排列的图谱而激烈竞争。《科学》杂志的主编唐纳德·科尼迪毕业于哈佛大学，博士学位,为斯坦福大学第八任校长，著名的环境科学教授

投稿难度高，即使一般的教授的稿件也不容易通过。你可以参阅知网，看下发稿群体。简介：《探索与争鸣》双核心期刊，也就是这个杂志同时是北大核心期刊，也是南大核心期刊，是由上海社会科学界联合会主办的刊物。主要栏目：特稿、圆桌会议、学术争鸣。

中国社会科学出版社省份北京地址北京西城区鼓楼西大街甲158号联系电话传真

探索科学期刊

这个是信息产业部的期刊，当然是国家级期刊！望采纳！

论文发表探索科学

目录方法1：提交（重复提交）论文1、让同事或者教授来审阅你的研究论文。2、根据审稿人的建议修改论文。3、根据所选期刊的要求准备好你的稿件。4、当你觉得论文准备好了，就提交吧。5、当你得到期刊的最初回复时，不要惊慌。6、将审稿人的意见视为建设性的批评。7、继续努力直到成功发表论文。方法2：选择正确的期刊提交论文1、熟悉市面上所有可能接受你论文的期刊。2、选择最适合你的研究论文的期刊。3、留意期刊的发行量或者曝光度。方法3：强化你提交的论文1、你的论文应该有清晰的论点。2、缩小关注范围。3、写一篇出色的摘要。在同行评审的期刊上发表研究论文是学术界的一项重要活动。它可以让你与其他学者建立联系，让你的名字和作品流传开来，并且进一步完善你的想法和研究。发表论文并不容易，但你可以通过提交一份技术上合理、有创意但又直截了当的研究报告来提高胜算。找一本适合你研究主题和写作风格的学术期刊也很重要，这样你就可以根据它的标准来调整你的研究论文，增加发表的机会，获得更广泛的认可。方法1：提交（重复提交）论文1、让同事或者教授来审阅你的研究论文。他们应该对你论文的语法、拼写错误、错字、表达是否清晰和简洁进行修改。他们还应该验证你写的内容。研究论文需要提出一个重要和明确的问题，应该切题，易于理解，并且适合目标受众。让两三个人检查你的论文。至少应该有一个人不是论文主题方面的专家，他们身为“局外人的观点”可能会非常有价值，因为不是所有的评论者都是有关方面的专家。2、根据审稿人的建议修改论文。在最终提交研究论文之前，你很可能要拟好几次草稿。努力使你的论文表达清晰、吸引人和易于理解。这将大大增加被发表的机会。3、根据所选期刊的要求准备好你的稿件。确保研究论文的格式，符合期刊的标准。大多数期刊都会提供一个名为“投稿须知”或者“作者指南”的文档，提供关于排版、字体和长度的说明，还会告诉你如何提交论文，并且会提供审核流程的详细信息。科学期刊上的文章往往需要遵循特定的格式，比如摘要、介绍、方法、研究成果、讨论、结论、致谢和参考。艺术和人文学科论文的要求通常没有那么严格。4、当你觉得论文准备好了，就提交吧。去期刊网站上的作者指南（或者类似的文档）看看对方的投稿要求。一旦你确信你的论文符合所有的标准，就可以通过适当的渠道提交论文了。有些期刊允许在线提交，有些则更倾向于纸质版。一次只能向一份期刊投稿。根据需要，按照列表一个一个地投。在线提交时，使用你的大学电子邮箱。这样能够将你与学术机构联系起来，为你的论文增添可信度。5、当你得到期刊的最初回复时，不要惊慌。很少有第一次提交的文章能立即得到同行评审期刊的“接受”回复。如果你的论文被接受了，去庆祝吧！如果没有，就冷静地处理你收到的回复。收到的回复可能是下列之一：接受但需要修正：根据评审人员提供的反馈，只需要进行少量的调整。修改并重新提交：在考虑出版之前需要更多实质性的修改（如上所述），但是期刊仍然对你的研究非常感兴趣。拒绝并重新提交：这篇文章目前还不适合考虑，但是实质性的修改和重新调整可能会改变这个结果。拒绝：这篇论文现在和以后都不适合发表在这份期刊上，但这并不意味着它不适用于其他期刊。6、将审稿人的意见视为建设性的批评。很多时候，你会被要求根据几位（通常是三位）匿名审稿人和编辑提供的评论修改论文，然后重新提交。仔细研究他们的批评，并做出必要的改变。不要过分重视原始版本。相反，要懂得变通，根据收到的反馈重新修改论文。运用你的研究和写作技能，写出一篇优秀的论文。然而，你也不需要“完全改变”，盲目顺从于你觉得不相关的评论。与编辑展开对话，礼貌而自信地解释你的立场。记住，你是这方面的专家！7、继续努力直到成功发表论文。即使你最终被喜欢的期刊拒之门外，也要继续重写你的研究论文，并提交给其他期刊。记住，一篇被拒绝的论文并不一定很糟糕。出版方根据许多因素来决定是否接受某篇文章，其中许多因素是完全超出了你的控制的。提交给排在你第二选择的期刊。你甚至可以向第一份期刊的编辑咨询更适合你的刊物。方法2：选择正确的期刊提交论文1、熟悉市面上所有可能接受你论文的期刊。注意已经发表的研究，以及你所在领域的最新问题和研究。特别注意你所在领域的其他研究论文是如何撰写的，包括论文的格式、文章的类型（是定量研究与定性研究、初步研究，还是对现有论文的评论），以及写作风格、主题和用词。阅读与你的研究领域相关的学术期刊。在线搜索已经发表的研究论文、会议论文和期刊文章。向同事或者教授寻求他们建议的阅读清单。2、选择最适合你的研究论文的期刊。每个期刊都有自己的读者和写作风格。确认你的研究论文是更适合发表在一份技术性很强，目标受众为其他学者的期刊上，还是一份面向更广泛读者的大众期刊上。“适合”在这里至关重要，在你的领域中最有名的期刊未必是最适合你论文的刊物。不过也不要低估自己，不要认为你的论文永远不可能达到顶级出版物的水平。3、留意期刊的发行量或者曝光度。一旦你缩小了潜在的选择范围，可以做一些调查，看看这些期刊上被广泛阅读和引用的文章有多少。让你的工作得到更多的曝光，尤其是在职业生涯早期想要出名的时候。然而，一定要优先考虑同行评审期刊。在这些期刊中，会由同领域的学者匿名评审所提交的作品。这是学术出版的基本标准。你可以通过在开源期刊上发表文章来增加读者数量。这样，它会被纳入在线的同行评审学术论文库中，免费给大家阅读。方法3：强化你提交的论文1、你的论文应该有清晰的论点。好的文章会直接切入主题，并且贯穿始终。从一开始就明确论文探索、调查或实现的论点，并且确保后面每一段内容都要建立在这个论点之上。针对你的论点做出有力、清晰的陈述。比较以下无力和有力的陈述：“这篇文章探讨了乔治·华盛顿年轻时的经历，他是如何在作为一名指挥官的艰难环境中塑造自己的观点。”“本文认为，乔治·华盛顿作为一名年轻军官，18世纪50年代在宾夕法尼亚州边境的经历，直接影响了他在弗吉谷严酷的冬天中与陆军部队的关系。”2、缩小关注范围。清晰的论点也可以是很宏伟的论点，但期刊文章本身并不适合对大型主题进行彻底的研究。学者在修改论文内容时往往会遇到这个问题，你需要能够删除或者明显减少文章中的背景信息、文献综述和方法讨论等内容。对于正在进入这一领域的年轻学者来说尤其如此。把宏大的探索留给更有建树的学者去做吧，尽管都只有20-30页。3、写一篇出色的摘要。摘要是审稿人对你论文的第一印象，所以你需要让它值得一读。确保绝对没有拼写错误或者不必要的句子。你只能用大约300个词。你的声明要大胆，方法要新颖原创，但是不要过度吹嘘文章中实际包含的内容。你的摘要应该让人们想要迫不及待地开始阅读文章，但不要让他们在读完后失望。让尽可能多的人阅读你写的摘要，并且在提交论文之前寻求他们的反馈。警告如果你对期刊的修改要求感到不安或者沮丧，不要立即修改论文。把论文放在一边，几天后带着“新鲜的眼光”回过头来阅读。你收到的反馈被过滤和解决了，你才能找到你论文合适的位置。记住，这是一个大项目，最终的改进需要时间。