近日，我校軌道交通學院電子材料與器件團隊在有機光伏器件研究方面取得新進展。該團隊利用機器學習和遷移學習以90%的準確率預測有機材料前沿分子軌道能級，挖掘有機材料的關鍵結構特征并定量分析有機材料分子結構對于前沿分子軌道能級的影響因素，為加速獲取有機材料電子特性提供了一種低成本高效益的方法，同時也為制備新型有機材料的逆向設計提供了指導框架。

該研究相關成果以《Construction frontier molecular orbital prediction model with transfer learning for organic materials》為題，發表于《npj Computational Materials》期刊。論文第一完成單位為湖南工業大學，2022級碩士研究生彭鑫裕和梁嬌嬌博士共同為第一作者，雷敏研究員和黃迪副教授共同為通訊作者。

據悉，《npj Computational Materials》是計算機/化學-工程領域SCI收錄的中科院一區期刊，最新IF=9.4，于2015年創刊，由 Springer Nature 和中國科學院上海硅酸鹽研究所聯合出版。該期刊旨在為計算材料科學領域的原始研究、解釋性評論和新發展提供一個國際論壇，特別關注通過計算方法設計新材料和增強對現有材料理解的研究，同時重點關注高通量技術在大數據集生成和材料數據挖掘中的應用。

近年來該團隊聚焦光伏材料智能化設計研究，相關研究成果發表在《Chemical Engineering Journal》《Journal of Materials Chemistry C》等國際主流學術期刊上。