<div dir="ltr">Call for Papers: Special Issue on "Probabilistic Programming" of<br><br>   ACM Transactions on Probabilistic Machine Learning (ACM-TOPML)<br><br>Probabilistic programming is a very active research area that brings<br>together diverse fields, such as statistics, machine learning and AI,<br>applications, programming languages, and formal verification. The aim of<br>this special issue is to present new approaches, techniques, tools,<br>theories and experience reports about adopting, creating, applying and<br>improving probabilistic programming.<br><br>Topics of interest include, but are not limited to:<br><br>• Applications of probabilistic programming<br>• Approximate inference algorithms for probabilistic programs<br>• Automatic differentiation for probabilistic programs<br>• Automated program analysis for probabilistic programs<br>• Deep probabilistic programming languages<br>• Design and implementation of probabilistic programming languages<br>• Differentiable programming<br>• Exact inference algorithms for probabilistic programs<br>• Model learning and checking for probabilistic programs<br>• Statistical theory on inference schemes<br>• Semantics for probabilistic programming<br>• Synthesis and learning of probabilistic programs<br>• Theoretical analysis of probabilistic programs<br>• Types for probabilistic programming and differentiable programming<br>• Verification and testing probabilistic programming paradigms<br><br>Deadline for submissions: May 1, 2024.<br><div>Notification to authors: September 1, 2024<br></div><div><br></div><div>Submission Information:<br>The call for this special issue is an open call. All submitted papers will undergo </div><div>a rigorous peer-review process and should adhere to the general principles of </div><div>ACM Transactions on Probabilistic Machine Learning. Submissions should be </div><div>prepared according to the Author Guidelines:</div><div><br></div><div><a href="https://urldefense.com/v3/__https://dl.acm.org/journal/topml/author-guidelines__;!!IBzWLUs!T7sjdr57vXj-Ub1rQ6BIf3Rxy_JTSn9mnYnEzoLorw2WQ0Y8Rgxnlbo59ruxVVjA-DEQ7JB6XWZojC10UQiq51r37eSo88G0Lw$">https://dl.acm.org/journal/topml/author-guidelines</a>.</div><div><br></div><div>Submitted papers must be original, must not have been previously published, </div><div>or be under consideration for publication elsewhere. If a paper has already </div><div>been presented at a conference, it should contain at least 30% new material </div><div>before being submitted to this issue. Authors must provide any previously </div><div>published material relevant to their submission and describe the additions made. </div><div>For questions and further information, please contact </div><div>Joost-Pieter Katoen, <a href="mailto:katoen@cs.rwth-aachen.de">katoen@cs.rwth-aachen.de</a>.</div><div><br>Guest editors:<br>Joost-Pieter Katoen<br>RWTH Aachen University (DE) and University of Twente (NL)<br><br>Tom Rainforth<br>University of Oxford (UK)<br><br>Hongseok Yang<br>Korea Advanced Institute of Science & Technology (KAIST, KR)<br></div></div>