将本科课程中的脑文格反应等有机化学内容与有机太阳能电池研究前沿紧密结合，通过实验让学生深入了解有机化学课程中的化学反应。该实验利用脑文格反应合成了一个宽带隙的稠环电子受体材料A831，通过对实验数据进行分析，确定材料是通过削弱端基的拉电子能力，提升了材料的最低未占有分子轨道(LUMO)能级，进而获得高电压的有机太阳能电池。该实验充分培养了学生运用基础知识解决科研问题的能力，体现了“基础知识–实际应用”的有机实验教学模式，适合作为面向高年级本科生的综合实验教学课程。

随着可再生能源与电动交通工具的快速发展，电池作为电化学储能系统的核心组件已成为全球科研与产业界的关注焦点。然而，电池内部复杂的多物理场耦合效应使得传统数学模型难以全面揭示其反应及失效机理，而数据驱动方法通过大量积累实验数据并从中提取有效信息，为电池研发奠定了坚实的基础。生成式人工智能(GAI)凭借其强大的潜在规律学习与数据生成能力，在蛋白质结构预测、材料逆向设计、数据增强等方面得到了广泛的应用，在电池多尺度研究中具有广阔的应用前景。本文阐释了生成式模型(GM)的核心原理，并从材料设计、微观表征及状态估计三方面综述了其在电池研究中的最新进展，最后探讨了其当前面临的挑战及未来发展方向，为将GAI这一创新解决方案运用于电池研发的工作流中提供了理论参考和实践依据。