所屬分類(lèi)： SCIE 期刊 材料科學(xué) 中科院 3區(qū) JCR Q2
計(jì)算材料科學(xué)
計(jì)算材料科學(xué)雜志簡(jiǎn)介
- 出版商：Elsevier
- 出版語(yǔ)言：English
- TOP期刊：否
- 出版地區(qū)：NETHERLANDS
- 是否預(yù)警：否
- 是否OA：未開(kāi)放
- 出版周期：Monthly
- 出版年份：1992
- 中文名稱(chēng)：計(jì)算材料科學(xué)
計(jì)算材料科學(xué)（國(guó)際簡(jiǎn)稱(chēng)COMP MATER SCI，英文名稱(chēng)Computational Materials Science）是一本未開(kāi)放獲取（OA）國(guó)際期刊，自1992年創(chuàng)刊以來(lái)，始終站在材料科學(xué)研究的前沿。該期刊致力于發(fā)表在材料科學(xué)領(lǐng)域各個(gè)方面達(dá)到最高科學(xué)標(biāo)準(zhǔn)和具有重要性的研究成果。全面反映該學(xué)科的發(fā)展趨勢(shì)，為材料科學(xué)事業(yè)的進(jìn)步提供了有力的支撐。期刊嚴(yán)格遵循職業(yè)道德標(biāo)準(zhǔn)，對(duì)于任何形式的抄襲行為，無(wú)論是文字還是圖形，一旦查實(shí)，均可能導(dǎo)致稿件被拒絕。
近年來(lái)，來(lái)自CHINA MAINLAND、USA、GERMANY (FED REP GER)、India、France、Japan、Iran、England、Russia、Australia等國(guó)家和地區(qū)的研究者在《Computational Materials Science》上發(fā)表了大量的高質(zhì)量文章。該期刊內(nèi)容豐富，包括原創(chuàng)研究、綜述文章、專(zhuān)題觀點(diǎn)、論文預(yù)覽、專(zhuān)家意見(jiàn)等多種類(lèi)型，旨在為全球該領(lǐng)域研究者提供廣泛的學(xué)術(shù)交流平臺(tái)和靈感來(lái)源。
在過(guò)去幾年中，該期刊保持了穩(wěn)定的發(fā)文量和綜述量，具體數(shù)據(jù)如下：
2014年：發(fā)表文章757篇、2015年：發(fā)表文章596篇、2016年：發(fā)表文章571篇、2017年：發(fā)表文章554篇、2018年：發(fā)表文章736篇、2019年：發(fā)表文章606篇、2020年：發(fā)表文章629篇、2021年：發(fā)表文章882篇、2022年：發(fā)表文章596篇、2023年：發(fā)表文章611篇。這些數(shù)據(jù)反映了期刊在全球材料科學(xué)領(lǐng)域的影響力和活躍度，同時(shí)也展示了其作為學(xué)術(shù)界和工業(yè)界研究人員首選資源的地位。《Computational Materials Science》將繼續(xù)致力于推動(dòng)材料科學(xué)領(lǐng)域的知識(shí)傳播和科學(xué)進(jìn)步，為全球材料科學(xué)問(wèn)題的解決貢獻(xiàn)力量。
期刊指數(shù)
- 影響因子：3.1
- 文章自引率：0.0606...
- Gold OA文章占比：20.28%
- CiteScore：6.5
- 年發(fā)文量：611
- 開(kāi)源占比：0.0588
- SJR指數(shù)：0.741
- H-index：97
- SNIP指數(shù)：0.961
- OA被引用占比：0.0287...
- 出版國(guó)人文章占比：0.34
WOS期刊SCI分區(qū)（2023-2024年最新版）
| 按JIF指標(biāo)學(xué)科分區(qū) | 收錄子集 | 分區(qū) | 排名 | 百分位 |
| 學(xué)科：MATERIALS SCIENCE, MULTIDISCIPLINARY | SCIE | Q2 | 208 / 438 |
52.6% |
| 按JCI指標(biāo)學(xué)科分區(qū) | 收錄子集 | 分區(qū) | 排名 | 百分位 |
| 學(xué)科：MATERIALS SCIENCE, MULTIDISCIPLINARY | SCIE | Q2 | 201 / 438 |
54.22% |
中科院分區(qū)表
中科院SCI期刊分區(qū) 2023年12月升級(jí)版
| Top期刊 | 綜述期刊 | 大類(lèi)學(xué)科 | 小類(lèi)學(xué)科 |
| 否 | 否 | 材料科學(xué) 3區(qū) |
MATERIALS SCIENCE, MULTIDISCIPLINARY
材料科學(xué)：綜合
3區(qū)
|
CiteScore（2024年最新版）
CiteScore 排名
| CiteScore | SJR | SNIP | CiteScore 排名 | ||||||||||||||||||||||||||||
| 6.5 | 0.741 | 0.961 |
|
學(xué)術(shù)指標(biāo)分析
影響因子和CiteScore
自引率
影響因子：指某一期刊的文章在特定年份或時(shí)期被引用的頻率，是衡量學(xué)術(shù)期刊影響力的一個(gè)重要指標(biāo)。影響因子越高，代表著期刊的影響力越大 。
CiteScore：該值越高，代表該期刊的論文受到更多其他學(xué)者的引用，因此該期刊的影響力也越高。
自引率：是衡量期刊質(zhì)量和影響力的重要指標(biāo)之一。通過(guò)計(jì)算期刊被自身引用的次數(shù)與總被引次數(shù)的比例，可以反映期刊對(duì)于自身研究?jī)?nèi)容的重視程度以及內(nèi)部引用的情況。
年發(fā)文量：是衡量期刊活躍度和研究產(chǎn)出能力的重要指標(biāo)，年發(fā)文量較多的期刊可能擁有更廣泛的讀者群體和更高的學(xué)術(shù)聲譽(yù)，從而吸引更多的優(yōu)質(zhì)稿件。
期刊互引關(guān)系
| 序號(hào) | 引用他刊情況 | 引用次數(shù) |
| 1 | PHYS REV B | 2695 |
| 2 | ACTA MATER | 1330 |
| 3 | COMP MATER SCI | 1062 |
| 4 | PHYS REV LETT | 997 |
| 5 | J CHEM PHYS | 725 |
| 6 | J APPL PHYS | 536 |
| 7 | J NUCL MATER | 492 |
| 8 | J PHYS CHEM C | 408 |
| 9 | APPL PHYS LETT | 406 |
| 10 | SCIENCE | 372 |
| 序號(hào) | 被他刊引用情況 | 引用次數(shù) |
| 1 | COMP MATER SCI | 1062 |
| 2 | J PHYS CHEM C | 595 |
| 3 | MATER RES EXPRESS | 536 |
| 4 | PHYS REV B | 462 |
| 5 | PHYS CHEM CHEM PHYS | 449 |
| 6 | APPL SURF SCI | 411 |
| 7 | MATERIALS | 378 |
| 8 | J ALLOY COMPD | 374 |
| 9 | J APPL PHYS | 366 |
| 10 | ACTA MATER | 299 |
高引用文章
- Matminer: An open source toolkit for materials data mining引用次數(shù)：69
- DAMASK - The Dusseldorf Advanced Material Simulation Kit for modeling multi-physics crystal plasticity, thermal, and damage phenomena from the single crystal up to the component scale引用次數(shù)：53
- Accelerating high-throughput searches for new alloys with active learning of interatomic potentials引用次數(shù)：42
- Deep learning approaches for mining structure-property linkages in high contrast composites from simulation datasets引用次數(shù)：32
- Three-dimensional modeling of the microstructure evolution during metal additive manufacturing引用次數(shù)：29
- Electronic and magnetic properties of single-layer boron phosphide associated with materials processing defects引用次數(shù)：25
- Heat and fluid flow in additive manufacturing-Part I: Modeling of powder bed fusion引用次數(shù)：24
- Predicting the thermodynamic stability of perovskite oxides using machine learning models引用次數(shù)：23
- A data-driven statistical model for predicting the critical temperature of a superconductor引用次數(shù)：23
- Improving direct physical properties prediction of heterogeneous materials from imaging data via convolutional neural network and a morphology-aware generative model引用次數(shù)：21
