科学编程是一个多学科领域，使用先进的方法来理解和解决复杂的问题。与此同时，机器学习是使用统计技术，使计算机系统能够从数据中学习和提取知识，回答问题和解决各种应用领域的问题，而不需要明确的编程。这两个领域都是令人兴奋的、复杂的和相互关联的领域，正在以惊人的速度取得进展。

我们对科学编程背景下基于机器学习的解决方案的新颖研究论文感兴趣，特别是在模型、编程语言、科学编程库、仿真、环境、平台和软件工具的使用和开发。重点是在使用机器学习方法和技术时支持和改进科学和工程计算。

鼓励提交有实际贡献的论文。也欢迎评论描述特定知识领域的当前技术状态的文章。

潜在的主题包括但不限于以下内容:

• 科学计算环境下的机器学习模型
• 领域特定的语言，任何机器学习相关方面，以促进解决科学问题
• 用于科学环境的机器学习软件库
• 机器学习算法在科学编程中的新用途
• 与机器学习相关的科学计算软件设计模式
• 与机器学习相关的软件基础设施、体系结构和科学计算平台
• 模拟覆盖的方面的机器学习，以解决科学编程问题