Уважаемые коллеги, предлагаем ознакомиться с инструкцией по оформлению тезисов:
Тезисы подаются в формате docx при заполнении регистрационной анкеты или позднее на странице «Мои заявки» в личном профиле. Тезисы подает Автор.
Обращаем Ваше внимание, что при написании текста в LaTeX НЕ следует добавлять какое-либо форматирование текста (формат шрифта или иные параметры, касающиеся его отображения), это приведёт в некорректному отображению Ваших тезисов.
- Документ должен быть выполнен в формате MS Word (расширение файла docx)
- Шрифт Times New Roman, кегль 12 и межстрочный интервал 1,0.
- Поля: верхнее и нижнее — 20 мм, левое и правое — 24 мм;
- Рисунки и графики должны иметь четкое изображение, могут быть черно-белыми или цветными. Шапки таблиц — не тонировать, не печатать жирным шрифтом.
- Формулы должны быть выполнены в встроенном редакторе MS Equation Editor. Следует избегать ручных переносов (manual hyphenation).
Тезисы должны содержать следующую выходную информацию:
- название статьи (на новой строке, Times New Roman 12, жирный, выравнивание по центру, без отступа);
- на следующей строке симметрично по центру, Times New Roman 12, жирный, курсив – фамилии, имя, отчество авторов (для каждого автора – сначала фамилия, пробел, затем инициалы (без пробела между ними));
- на следующей строке симметрично по центру – текущий статус (студент, аспирант, сотрудник), ученая степень (звание) (Times New Roman 12, курсив, выравнивание по центру, без отступа);
- на следующей строке по центру (Times New Roman 12, курсив) – полное название университета / института, факультета, города и страны (по центру);
- на следующей строке симметрично по центру (Times New Roman 12, курсив) – адрес электронной почты.
6. Если авторов несколько, они работают в разных организациях, то после инициалов ставится верхний индекс (1, 2 и т.д.), соответствующий организации, указанной ниже под тем же номером. Если автор один или все авторы работают в одной организации, то индексы не ставятся. После заголовков точки отсутствуют!7. Количество соавторов может быть не более 3-х.8. Основной текст тезисов (Times New Roman 12, выравнивание по ширине, начало нового абзаца – отступ 0,7 см).9. Объем тезисов для секций естественных наук – не более 2 страниц, включая выходную информацию и библиографию.10. Ссылки должны быть оформлены в виде квадратных скобок с отсылкой к списку литературы. В квадратных скобках в тексте тезисов указывается номер пункта из списка литературы (список оформляется в алфавитном порядке и нумеруется).11. Тезисы должны быть написаны грамотно, без орфографических, пунктуационных и стилистических ошибок. Для специальных обозначений должны быть использованы верхние и нижние индексы (например, CO2 или м2).Обращаем Ваше внимание, что в случае значительного отклонения электронного варианта от указанных рекомендаций, Оргкомитет оставляет за собой право не рассматривать поступившие тезисы.
Тезисы, несоответствующие правилам оформления, могут быть отправлены на доработку.
Соавторов Вы можете указать также при заполнении полей тезисов.
ПРИМЕР ОФОРМЛЕНИЯ ТЕЗИСОВ:
Изучение углеводородов методом машинного обучения
Иванов Иван Андреевич
Старший преподаватель
Московский государственный университет имени М.В.Ломоносова,
химический факультет, Москва, Россия
E–mail: ivanov@yandex.ru
В последние годы методы машинного обучения приобретают все большую популярность в области изучения углеводородов, благодаря своей способности обрабатывать и анализировать большие объемы данных. Одним из преимуществ использования методов машинного обучения в изучении углеводородов является возможность автоматизации процессов анализа и классификации углеводородов. Например, с помощью методов кластерного анализа можно классифицировать углеводороды по их структуре и свойствам, что позволяет более эффективно организовать и анализировать большие объемы данных.
продолжение основного текста тезисов
Изучение углеводородов методом машинного обучения представляет собой мощный инструмент для оптимизации процессов добычи, переработки и использования углеводородных ресурсов. Методы машинного обучения позволяют эффективно обрабатывать и анализировать большие объемы данных, разрабатывать модели предсказания свойств и реакций углеводородов, автоматизировать процессы анализа и классификации углеводородов, а также открывать новые перспективы в изучении углеводородов.
Литература
- Лебедев А. В., Лебедев С. А. Машинное обучение в химии и биологии. - Москва: Физматлит, 2019.
- Медведев Н. Г., Старовойтов Е. И. Машинное обучение в химии. - Москва: Наука, 2018.
- Brown, D. E. (2015). Machine learning for chemoinformatics. CRC Press.
- Rupp, M., Tkatchenko, A., Müller, K. R., & von Lilienfeld, O. A. (2012). Fast and accurate modeling of molecular atomization energies with machine learning. Physical Review Letters, 108(5), 058301.
- Goh, G. B., Hodas, N. O., & Vishnu, A. (2017). Deep learning for computational chemistry. Journal of Computational Chemistry, 38(16), 1291-1307.
