本研究整合Bohrium云计算平台和国产开源软件ABACUS，构建了一种创新的混合式教学模式，并将其应用于天津大学“新能源材料与化学”课程。课程设计结合理论与实践，涵盖自洽计算、结构优化、电子态密度、能带结构和声子特征等内容。其中，云计算平台的引入显著降低了操作难度，提高了课堂互动性，同时激发了学生的自主学习与创新思维。该教学方法有效提升了教学质量，为培养具有国际视野和创新能力的化学专业人才提供了新的思路。

Bohrium科学计算云平台具有易配置计算环境、易部署安装软件、易成员协作和计算资源充沛等优势，可解决传统计算模拟课程教学中的软件安装、理论和实践割裂等问题，为材料和化学计算模拟课程教学提供极大便利，可显著提高课程教学效率。本文重点介绍Bohrium平台的特色以及教学优势，并展示基于Bohrium平台的分子建模、分子动力学模拟等实验案例设计。

水电解制氢是实现大规模绿色氢能的关键技术，其能量转换效率受限于阳极析氧反应(oxygen evolution reaction，OER)缓慢的动力学过程，同时催化剂在苛刻工况下的稳定性亦面临挑战。传统实验“试错法”在广阔的化学空间中探索高性能阳极材料难度巨大。近年来，结合基于密度泛函理论(density functional theory，DFT)的高通量计算(high-throughput computing，HTC)与机器学习(machine learning，ML)技术，利用理论模拟与数据挖掘驱动新材料的发现，为高性能OER催化剂的研发提供了创新解决方案。本文综述了该研究范式在OER催化剂设计中的进展：首先概述了OER的反应机制、计算框架及高通量计算工作流程，并介绍了涵盖多模态数据集构建、物理特征工程与先进算法架构的ML工作流；其次，重点探讨了3类典型材料体系的探索成果，包括贵金属(Ir/Ru基)氧化物、廉价金属氧化物/氢氧化物(如层状水滑石、钙钛矿等)以及高熵合金及其衍生的氧化物；最后，总结了当前领域在数据标准化、模型泛化能力及真实工况模拟等方面的挑战，展望了生成式人工智能(AI-generated content，AIGC)与无人实验室在未来全流程自动化材料研发中的前景。