2026年量子机器学习与智能优化国际会议（QMLIO 2026）

2026 International Conference on Quantum Machine Learning and Intelligent Optimization（QMLIO 2026）

【会议亮点】

1、IEEE、IOP、SPIE等权威出版社

2、有ISSN、ISBN号

3、高录用|快见刊

4、团队/学生投稿优惠！！！

5、其他资源请咨询会议龙老师：SCI、SSCI、AHCI、中文核心、普刊

6、可口头汇报/旁听

【重要信息】

网址：www.confs-online.com/qmlio

会议地点：天津，中国

截稿时间：2026年2月28日（延期投稿者/咨询相关会议 请联系大会老师）

邮箱：eiconfer_in@163.com（投稿主题请注明：QMLIO 2026+通讯作者姓名+龙老师推荐，否则无法确认您的稿件）

接受/拒稿通知：投稿后3-5天内！

更多优质学术会议、投稿优惠、投稿事项、优先审核请咨询老师！

【论文收录】

1.向QMLIO 2026提交的所有全文都可以用英语书写，并将发送给至少两名评审员，并根据原创性、技术或研究内容或深度、正确性、与会议的相关性、贡献和可读性进行评估。QMLIO 2026所有被接受的论文将在会议记录中发表，并提交给Scopus、EI Compendex、CPCI、CNKI、Google Scholar进行索引。

2.审稿流程：作者投稿-稿件收到确认（1个工作日）-初审(1-3工作日) -告知结果（接受/拒稿），越早投稿越早收到文章结果。

【大会简介】

2026年量子机器学习与智能优化国际会议（QMLIO 2026）将在中国天津召开。本次会议旨在汇聚全球范围内相关领域的研究人员、科学家、工程师与学者，共同探讨前沿科学技术与创新应用，推动学术交流与产学研合作。会议将展示最新研究成果、交流技术经验、展望未来发展方向，为与会者提供一个高水平的国际化学术平台。我们诚挚邀请海内外专家学者踊跃参与，携手促进该领域理论创新、技术突破与产业应用。

【征文主题】

（以下主题包括但不限于）

主题一：量子机器学习

监督、无监督、半监督学习

深度学习与架构设计

强化学习与元学习

自动机器学习（AutoML）

图学习与图神经网络

联邦学习与隐私保护

模型解释性与公平性

因果推断

大规模优化算法

绿色AI与可持续计算

主题二：智能优化

进化算法

群体智能

机器学习

强化学习

进化优化算法的理论与应用

群智能与协同优化

强化学习在优化问题中的应用

智能启发式与元启发式算法设计

优化算法的可解释性与鲁棒性研究

【投稿说明】

1.本会议官方语言为英语，投稿者务必用英语撰写论文。如需翻译服务，请联系会议组龙老师。

2.论文应具有学术或实用价值，未在国内外学术期刊或会议发表过。作者可通过CrossCheck, Turnitin或其他查询系统自费查重，否则由文章重复率引起的被拒搞将由作者自行承担责任。涉嫌抄袭的论文将不被出版。

3.文章至少6页。请根据格式模板文件编辑您的文章。学生作者或多篇投稿有优惠。

4.只做报告不发表论文的作者只需提交摘要。

5.投稿主题请注明:QMLIO 2026+通讯作者姓名+龙老师推荐（否则无法确认您的稿件）