Nature Machine Intelligence由Nature Portfolio主办，是机器智能领域的期刊，致力于发表推动人工智能与机器学习技术前沿的高影响力研究、综述和评论，涵盖深度学习、强化学习及AI伦理等领域。期刊强调机器智能研究在技术创新、跨学科应用及社会影响中的核心作用，鼓励结合算法开发、数据科学及应用场景的突破性研究。
Nature推荐AJE的论文润色等服务，您在向Nature旗下期刊提交稿件时，可以将AJE的润色证明一并提交给期刊。
期刊主页：https://www.nature.com/natmachintell/
期刊简介
Nature Machine Intelligence由Nature Portfolio主办，创刊于2019年，是机器智能领域的同行评审期刊，专注于人工智能、机器学习及相关技术的理论与应用，包括深度学习、AI伦理及智能系统设计。期刊发表具有重大技术突破或社会应用潜力的研究、综述和评论，目标读者包括AI研究者、数据科学家及跨学科工程师。文章需展示显著的算法创新或应用价值。期刊采用严格同行评审，初审周期约7-10天。支持开放获取（OA）及订阅模式，2025年强调深度学习及AI伦理。
期刊相关信息：
- 影响因子：23.9（2024年）
- 中国科学院分区：1区（计算机科学-计算机：人工智能-计算机：跨学科应用）
- 出版频率：月刊（在线及印刷版）。
投稿注意事项
- 文章长度：建议8-12页（双栏），含图表和参考文献；超12页需编辑批准。
- Cover letter：需提交，说明研究的创新性、算法突破或应用意义及适合《Nature Machine Intelligence》的理由，突出技术或社会影响。
- 初始投稿格式：使用Nature双栏模板（Word或LaTeX），初稿提交PDF，图表嵌入正文。
- 数据可用性：所有文章需公开数据集，存放在推荐存储库（如figshare、Zenodo、Dryad）并提供DOI，符合FAIR原则。
- 代码可用性：涉及算法或处理的需提供代码（如GitHub链接）或补充信息。
- 预印本政策：接受arXiv、AIxiv等预印本，需在投稿时声明。
- 审稿周期：初审约7-10天，编辑筛选后同行评审（2-4位审稿人）。
- 出版费用减免：开放获取文章的无资助研究可申请APC减免，联系Nature出版办公室（openaccess@nature.com）。
- 开放获取选项：支持开放获取（需APC）或订阅模式。
- 彩图费用：订阅模式下彩图费用为1,000美元/页；OA文章无彩图费用，包含在APC中。
- 投稿限制：允许一轮主要修订，拒绝后需编辑许可重新提交。
- 语言润色：建议使用Nature推荐的AJE（American Journal Experts）服务，润色证明可随稿件提交。
- 扩展论文：扩展论文需新增≥50%内容，提交原文章供审查。
- 伦理要求：涉及人类或动物数据的需提供伦理委员会批准编号，遵循《赫尔辛基宣言》或动物伦理指南（AI研究通常无需）。
- 提案要求：综述或评论文章需提交提案（标题、300字摘要、大纲、目标读者群），发送至natmachintell@nature.com。
文章类型
Nature Machine Intelligence主要发表以下类型文章：
- Research Article：原创研究（8-12页），需展示重大算法突破或AI应用潜力。
- Brief Communication：简短研究报告（2-4页），介绍重要发现，需高影响力。
- Review：综述文章（8-12页），总结机器智能研究进展，需编辑邀请。
- Perspective：观点文章（1-3页），讨论AI趋势，需编辑邀请。
- News and Views：简讯文章（1-2页），分析近期AI研究或技术，需编辑邀请。
- Comment：评论文章（1-2页），讨论AI趋势（如深度学习），需编辑邀请。
- Correspondence：针对已发表文章的学术回应，需编辑批准。
投稿通过Manuscript Tracking System提交，Review/Comment/Perspective需先提交提案至natmachintell@nature.com。
文章结构
一篇典型的Research Article包括以下部分，每部分附简短英文示例：
- 标题：简洁、描述性，突出研究主题，最大15字。
示例：
Deep Learning for Image Recognition - 作者信息：列出所有作者的姓名、单位、电子邮件及ORCID。
示例：
Department of Computer Science, Stanford University, USA
Sarah Lee, Anil Kumar
Institute of AI, Chinese Academy of Sciences, Beijing, China
Wei Chen - 贡献声明：明确每位共同作者的贡献，遵循CRediT标准。
示例：
S.L. designed the deep learning model; A.K. conducted training experiments; W.C. analyzed performance metrics. - 通信作者：指定通信作者，提供电子邮件及ORCID。
示例：
Correspondence to: Wei Chen (wei.chen@cas.cn) - 摘要：概述研究背景、方法、结果及意义，最大150字，无参考文献。
示例：
This study advances deep learning for image recognition. Novel architectures improve accuracy. Data at figshare (doi.org/10.1234/fig123456). This enhances AI applications. - 关键词：提供4-8个关键词，便于检索。
示例：
Deep learning, image recognition, neural networks, FAIR principles - 引言：介绍背景、问题及目标，需包含参考文献。
示例：
Deep learning transforms image recognition [1]. Scalability remains challenging [2]. This study optimizes neural architectures. - 正文：分节描述方法、结果、讨论，使用子标题。
示例：
Model Architecture
Convolutional networks improve recognition accuracy (figure 1) [3]. - 结论：总结研究发现，提出技术或应用前景。
示例：
Conclusion
Optimized architectures enhance deep learning performance. Future work will target real-time applications. - 参考文献：列出所有引用文献（详见第6节）。
示例：
[1] Lee S et al. Nat. Mach. Intell. 7, 123-129 (2025). - 致谢（可选）：感谢资助机构或个人，包含资助编号。
示例：
Funded by NSFC grant 1234567. We thank the AI Lab. - 作者简介（可选）：简述作者背景、教育经历及研究兴趣。
示例：
Sarah Lee received the Ph.D. degree from Stanford in 2023. Her research focuses on deep learning. - 伦理声明：包括利益冲突声明及伦理合规。
示例：
Competing interests: The authors declare no competing interests.
Ethics approval: Not applicable.
Data availability: Data at figshare: https://doi.org/10.1234/fig123456. - 补充信息（可选）：提供额外数据、方法或代码。
示例：
Supplementary Information S1: Deep learning datasets.
格式要求
Nature Machine Intelligence要求初稿使用Nature双栏模板（Word或LaTeX），建议8-12页，修订稿需符合出版规范。以下是具体要求：
字体和字号
- 正文：Times New Roman或Arial，11号字，1.5倍行距。
- 一级标题：粗体，12号字，首字母大写。
- 二级标题：粗体，11号字，首字母大写。
- 图表标题：粗体，9号字。
页面布局
- 使用 A4纸张，单栏或双栏（视模板）。
- 页边距：上2.5厘米，下2.5厘米，左右2厘米。
- 行距：1.5倍行距，段前段后6点间距。
图表格式
- 图表嵌入正文，初稿为PDF，修订稿需单独上传高分辨率文件。
- 图表标题置于下方，Times New Roman或Arial，9号字，居中。
- 图表文字：9号字，确保清晰。
- 图表分辨率：至少600 DPI，推荐格式为TIFF、EPS或高分辨率JPEG。
- 颜色选择：支持彩色，建议高对比度（如蓝/黄），避免红绿以照顾色盲读者。
- 图例：每幅图说明不超过150字，置于图下方。
- 版权：需获得受版权保护的图表许可，提交许可文件。
公式与术语
- 公式居中，右对齐编号，如 (1)，文中称为“equation (1)”。
- 术语遵循国际AI标准（如“deep learning”而非“neural learning”）。
- 示例：
(1) L = f(W) + g(B)
表格
- 表格嵌入正文，包含标题和图例，置于页面顶部或底部。
- 大型表格作为补充信息（如Excel）。
参考文献格式
Nature Machine Intelligence要求使用Vancouver风格，按文中出现顺序编号，文中以方括号引用（如 [1]）。参考文献需准确，优先引用期刊文章。以下是示例：
- 期刊文章：
[1] Lee S, Kumar A. Nat. Mach. Intell. 7, 123-129 (2025). - 会议论文：
[2] Chen W et al. NeurIPS 2025, 130-135 (2025). - 书籍：
[3] Goodfellow I. Deep Learning. MIT Press, 2016. - 数据集：
[4] Lee S et al. Deep learning dataset. figshare, 2025. Available: https://doi.org/10.1234/fig123456 - 预印本：
[5] Kumar A et al. Deep learning for image recognition. arXiv 2501.12345, Jan. 2025. Available: https://doi.org/10.48550/arXiv.2501.12345
伦理声明
- 利益冲突：需声明所有作者的利益冲突（如“无利益冲突”）。
- 伦理合规：涉及人类或动物数据的需提供伦理委员会批准编号，遵循《赫尔辛基宣言》或动物伦理指南（AI研究通常无需）。
- 数据可用性：所有文章需声明数据集存储库及访问方式，符合FAIR原则。
- 代码可用性：涉及算法或处理的需提供代码存储库或补充信息。
- 示例：
Competing interests: The authors declare no competing interests.
Ethics approval: Not applicable.
Data availability: Data at figshare: https://doi.org/10.1234/fig123456.
补充信息
- 补充信息作为单独文件提交，格式为PDF、Excel、MP4（H.264编码，16:9）或ZIP。
- 包含大型数据集、方法、代码或视频，无额外费用。
- 示例：
Supplementary Information S1: Deep learning datasets.
投稿流程
作者需通过Manuscript Tracking System提交论文。流程如下：
- 注册并关联ORCID，指定通信作者（需符合Nature作者标准）。
- 综述或评论文章需先提交提案至natmachintell@nature.com，包含标题、300字摘要、大纲及目标读者群。
- 获批后上传Nature模板稿件（PDF）、cover letter、图表（嵌入PDF）及补充信息。
- 提供利益冲突声明、数据/代码可用性声明及伦理声明。
- 提交推荐审稿人（可选，3-5人，需提供姓名、邮箱及理由）。
- 在Manuscript Tracking System跟踪审稿状态，初审约7-10天。
- 修订稿需提交：修改稿（Word/LaTeX）、审稿回复（逐点回应）、高分辨率图表。
- 可联系编辑部（natmachintell@nature.com）查询状态或申请APC减免（开放获取文章）。
最后
Nature Machine Intelligence作为机器智能研究领域的期刊，它的高影响力研究、综述及对深度学习、AI伦理的关注，促进了人工智能技术与社会应用的进展。投稿需突出研究的原创性、算法创新及实际应用潜力，严格遵循Nature格式规范。本文基于官网指南及深度学习案例，系统解析了从标题到补充信息的规范，为您的投稿提供坚实支持。
