Lopez团队使用量子力学和机器学习技术来识别下一代有机材料，用于可再生能源和光电医学。有机材料因其储量丰富、成本低和灵活而备受关注。我们的计算方法与合作者的实验专业知识相结合，建立了一个强大的实验-理论反馈循环，加速了发现。

我们的兴趣是通过激发光催化和温和的反应条件来提高现代过渡金属催化有机反应的可持续性。因此，关键有机反应的反应机制(即C-H活化反应、张力开环反应和重排反应)是本基础研究的重点，并具有如下所述的高影响应用:

光动力疗法(PDT)是一种破坏性最小的癌症治疗方法。然而，目前很少有药物被批准用于此目的。我们对候选药物进行高通量虚拟筛选，并利用结果合理设计具有可见光和近红外光吸收的潜在药物。然后对目标化合物进行更复杂的计算，以评估其激发态性质并预测新的反应模式。

我们的团队使用量子力学计算和分子动力学模拟来描述有机半导体材料的相对结晶度，这是已知的对有机太阳能电池的基本电子过程有重大影响。我们扩展了这些计算，以提供隐藏的供体-受体接口的原子描述。化学直觉用于微调分子相互作用，最终控制高效、低成本有机太阳能电池的局部界面紊乱。