IOP出版社Reports on Progress in Physics（ROPP）期刊将联合清华大学于。本次研讨会将汇聚国际学术界的顶尖研究人员、企业专家，共同分享、交流量子机器学习领域的最新前沿研究，涵盖量子物质与计算、新材料发现、高能粒子物理、药物设计与量子化学，以及量子算法与软件开发等领域。今年清华大学物理系迎来了建系100周年，本次研讨会作为清华大学物理系建系100周年庆典活动的一部分，我们热烈祝贺清华物理百年发展历程的同时也诚挚邀请领域内学者参与，共同探讨未来量子机器学习领域发展趋势与研究前沿。

　　温馨提示：本次在线研讨会使用Zoom平台，首次观看前需要安装插件，建议您提前下载并安装插件。

　　欢迎您在2026年4月30日前将摘要和海报的PDF版本提交至邮箱。并在邮件主题中注明“量子机器学习前沿研讨会海报”。海报提案由清华大学的评审委员会审核后，在大会当天设有海报展示环节，并且有组委Kaiyun会专家评比颁奖，欢迎大家踊跃提交。

　　Reports on ProgrKaiyuness in Physics（ROPP）作为涵盖物理学各分支的权威性综述期刊，长期以来享有盛誉。所有综述均由编委会邀请全球顶尖专家撰写，覆盖物理的经典和热点议题。同时，ROPP现在开始接受原创研究文章投稿。

　　Quantum Science and Technology（QST）是一本多学科、高影响力的期刊，致力于出版涵盖所有量子技术科学和应用的高质量和重要的研究。QST涵盖应用数学、凝聚态物质、量子光学、原子物理和材料科学的各个领域，并涉及到化学、生物学、工程学、计算机科学和机器学习。除了定期的原创研究外，QST还出版专题综述和征集热点问题文章的特刊，从而对该领域最新和最有趣的研究进行概述。

　　Machine Learning: Science and Technology （MLST）是一本跨学科期刊，致力于发表智能机器在物理、材料科学、化学、生物学、医学、地球科学、天文学和工程学等多学科领域的应用和发展。涉及领域包括：物理学和空间科学；设计和发现新材料和分子；材料表征技术；模拟材料、化学过程和生物系统；原子和粗粒度模拟；量子计算；生物学、医学和生物医学成像；地球科学（包括自然灾害预测）和气候学；模拟方法和高性能计算。同时，也包括机器学习方法在概念上的新进展：新的学习算法；深度学习架构；核心方法；概率和贝叶斯方法；生成方法；强化和主动学习；经常性和基于时间结构的方法；神经启发方法（包括神经形态计算）。