近日，我校轨道交通学院电子材料与器件团队在有机光伏器件研究方面取得新进展。该团队利用机器学习和迁移学习以90%的准确率预测有机材料前沿分子轨道能级，挖掘有机材料的关键结构特征并定量分析有机材料分子结构对于前沿分子轨道能级的影响因素，为加速获取有机材料电子特性提供了一种低成本高效益的方法，同时也为制备新型有机材料的逆向设计提供了指导框架。
该研究相关成果以《Construction frontier molecular orbital prediction model with transfer learning for organic materials》为题，发表于《npj Computational Materials》期刊。论文第一完成单位为新濠天地3559.cσm，2022级硕士研究生彭鑫裕和梁娇娇博士共同为第一作者，雷敏研究员和黄迪副教授共同为通讯作者。
据悉，《npj Computational Materials》是计算机/化学-工程领域SCI收录的中科院一区期刊，最新IF=9.4，于2015年创刊，由 Springer Nature 和中国科学院上海硅酸盐研究所联合出版。该期刊旨在为计算材料科学领域的原始研究、解释性评论和新发展提供一个国际论坛，特别关注通过计算方法设计新材料和增强对现有材料理解的研究，同时重点关注高通量技术在大数据集生成和材料数据挖掘中的应用。
近年来该团队聚焦光伏材料智能化设计研究，相关研究成果发表在《Chemical Engineering Journal》《Journal of Materials Chemistry C》等国际主流学术期刊上。
