日本免费精品视频,男人的天堂在线免费视频,成人久久久精品乱码一区二区三区,高清成人爽a毛片免费网站

在線客服
Journal Of Computational Physics
人氣:33

Journal Of Computational Physics SCIE

  • ISSN:0021-9991
  • 出版商:Academic Press Inc.
  • 出版語言:English
  • E-ISSN:1090-2716
  • 出版地區:UNITED STATES
  • 是否預警:
  • 創刊時間:1966
  • 出版周期:Monthly
  • TOP期刊:
  • 影響因子:3.8
  • 是否OA:未開放
  • CiteScore:7.6
  • H-index:213
  • 研究類文章占比:100.00%
  • Gold OA文章占比:40.78%
  • 文章自引率:0.1463...
  • 開源占比:0.0705
  • OA被引用占比:0.0383...
  • 出版國人文章占比:0.15
  • 出版修正文章占比:0.0112...
  • 國際標準簡稱:J COMPUT PHYS
  • 涉及的研究方向:物理-計算機:跨學科應用
  • 中文名稱:計算物理學雜志
  • 預計審稿周期: 約6.5個月 約17.2周
國內分區信息:

大類學科:物理與天體物理  中科院分區  2區

國際分區信息:

JCR學科:COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS、PHYSICS, MATHEMATICAL  JCR分區  Q1

  • 影響因子:3.8
  • Gold OA文章占比:40.78%
  • OA被引用占比:0.0383...
  • CiteScore:7.6
  • 研究類文章占比:100.00%
  • 開源占比:0.0705
  • 文章自引率:0.1463...
  • 出版國人文章占比:0.15

推薦合適期刊 投稿指導 助力快速見刊免費咨詢

Journal Of Computational Physics 期刊簡介

Journal Of Computational Physics是物理與天體物理領域的一本權威期刊。由Academic Press Inc.出版社出版。該期刊主要發表物理與天體物理領域的原創性研究成果。創刊于1966年,是物理與天體物理領域中具有代表性的學術刊物。該期刊主要刊載物理-計算機:跨學科應用及其基礎研究的前瞻性、原始性、首創性研究成果、科技成就和進展。該期刊不僅收錄了該領域的科技成就和進展,更以其深厚的學術積淀和卓越的審稿標準,確保每篇文章都具備高度的學術價值。此外,該刊同時被SCIE數據庫收錄,并被劃分為中科院SCI2區期刊,它始終堅持創新,不斷專注于發布高度有價值的研究成果,不斷推動物理與天體物理領域的進步。

同時,我們注重來稿文章表述的清晰度,以及其與我們的讀者群體和研究領域的相關性。為此,我們期待所有投稿的文章能夠保持簡潔明了、組織有序、表述清晰。該期刊平均審稿速度為平均 約6.5個月 約17.2周。若您對于稿件是否適合該期刊存在疑慮,建議您在提交前主動與期刊主編取得聯系,或咨詢本站的客服老師。我們的客服老師將根據您的研究內容和方向,為您推薦最為合適的期刊,助力您順利投稿,實現學術成果的順利發表。

Journal Of Computational Physics 期刊國內分區信息

中科院分區 2023年12月升級版
大類學科 分區 小類學科 分區 Top期刊 綜述期刊
物理與天體物理 2區 PHYSICS, MATHEMATICAL 物理:數學物理 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 計算機:跨學科應用 1區 2區
中科院分區 2022年12月升級版
大類學科 分區 小類學科 分區 Top期刊 綜述期刊
物理與天體物理 2區 PHYSICS, MATHEMATICAL 物理:數學物理 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 計算機:跨學科應用 1區 2區
中科院分區 2021年12月舊的升級版
大類學科 分區 小類學科 分區 Top期刊 綜述期刊
物理與天體物理 2區 PHYSICS, MATHEMATICAL 物理:數學物理 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 計算機:跨學科應用 1區 2區
中科院分區 2021年12月基礎版
大類學科 分區 小類學科 分區 Top期刊 綜述期刊
物理 3區 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 計算機:跨學科應用 PHYSICS, MATHEMATICAL 物理:數學物理 3區 2區
中科院分區 2021年12月升級版
大類學科 分區 小類學科 分區 Top期刊 綜述期刊
物理與天體物理 2區 PHYSICS, MATHEMATICAL 物理:數學物理 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 計算機:跨學科應用 1區 2區
中科院分區 2020年12月舊的升級版
大類學科 分區 小類學科 分區 Top期刊 綜述期刊
物理與天體物理 2區 PHYSICS, MATHEMATICAL 物理:數學物理 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 計算機:跨學科應用 1區 2區

Journal Of Computational Physics 期刊國際分區信息(2023-2024年最新版)

按JIF指標學科分區 收錄子集 分區 排名 百分位
學科:COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS SCIE Q2 51 / 169

70.1%

學科:PHYSICS, MATHEMATICAL SCIE Q1 3 / 60

95.8%

按JCI指標學科分區 收錄子集 分區 排名 百分位
學科:COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS SCIE Q2 44 / 169

74.26%

學科:PHYSICS, MATHEMATICAL SCIE Q1 8 / 60

87.5%

CiteScore指數(2024年最新版)

  • CiteScore:7.6
  • SJR:1.679
  • SNIP:1.678
學科類別 分區 排名 百分位
大類:Mathematics 小類:Applied Mathematics Q1 35 / 635

94%

大類:Mathematics 小類:Numerical Analysis Q1 6 / 88

93%

大類:Mathematics 小類:Computational Mathematics Q1 15 / 189

92%

大類:Mathematics 小類:Modeling and Simulation Q1 27 / 324

91%

大類:Mathematics 小類:Physics and Astronomy (miscellaneous) Q1 8 / 81

90%

大類:Mathematics 小類:General Physics and Astronomy Q1 36 / 243

85%

大類:Mathematics 小類:Computer Science Applications Q1 173 / 817

78%

期刊評價數據趨勢圖

中科院分區趨勢圖
期刊影響因子和自引率趨勢圖

發文統計

年發文量統計
年份 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023
年發文量 676 696 718 718 647 667 658 751 803 667
國家/地區發文量統計
國家/地區 數量
USA 909
CHINA MAINLAND 422
France 232
GERMANY (FED REP GER) 178
England 133
Italy 90
Spain 71
Canada 65
Switzerland 48
Netherlands 47
機構發文量統計
機構 數量
UNITED STATES DEPARTMENT OF ENERGY (DOE) 147
CENTRE NATIONAL DE LA RECHERCHE SCIENTIFIQUE (CNRS) 142
CHINESE ACADEMY OF SCIENCES 86
UNIVERSITY OF CALIFORNIA SYSTEM 86
STANFORD UNIVERSITY 62
UNIVERSITY OF TEXAS SYSTEM 42
PURDUE UNIVERSITY SYSTEM 39
BROWN UNIVERSITY 38
TECHNICAL UNIVERSITY OF MUNICH 38
TEXAS A&M UNIVERSITY SYSTEM 33

高引用文章

文章名稱 引用次數
Physics-informed neural networks: A deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations 203
Hidden physics models: Machine learning of nonlinear partial differential equations 86
The scalar auxiliary variable (SAV) approach for gradient flows 85
DGM: A deep learning algorithm for solving partial differential equations 76
Physics-constrained deep learning for high-dimensional surrogate modeling and uncertainty quantification without labeled data 49
Bayesian deep convolutional encoder-decoder networks for surrogate modeling and uncertainty quantification 45
A review of level-set methods and some recent applications 43
A review of definitions of fractional derivatives and other operators 41
A fast linearized conservative finite element method for the strongly coupled nonlinear fractional Schrodinger equations 41
Deep UQ: Learning deep neural network surrogate models for high dimensional uncertainty quantification 36

免責聲明

若用戶需要出版服務,請聯系出版商:ACADEMIC PRESS INC ELSEVIER SCIENCE, 525 B ST, STE 1900, SAN DIEGO, USA, CA, 92101-4495。

友情鏈接