基于密度泛函理论计算（Density Funcational Theory Calculation）、分子动力学模拟（Molecular Dynamics Simulation）、蒙特卡洛模拟（Monte Carlo Simulation）、高通量材料集成计算（High-Throughput Screening）和机器学习（Machine Learning），可以借鉴组合物理、化学和材料信息学的一些理念和思路，是一种并行、系统、反复地组合不同结构或组份的“构建单元（Building block）”，迅速得到大量化合物,从而进行高通量筛选的一种策略与方法。材料信息学（Material informatics）是”运用计算的方法来处理和解释材料科学和工程数据“，它可以与材料计算相结合，通过已知的可靠实验数据，用理论模拟去尝试尽可能多的真实或未知材料，建立其组份、结构和各种物性的基因数据库，通过数据挖掘探寻材料组份、结构和性能之间的关系模式，用于指导新材料设计，提高研发效率、缩短研发周期和降低研发成本，已成为目前国内外业界关注的热点问题之一。
研究方法主要包括：
[1]. 密度泛函理论计算（Density Funcational Theory Calculation）
[2]. 分子动力学模拟（Molecular Dynamics Simulation）
[3]. 蒙特卡洛模拟（Monte Carlo Simulation）
[4]. 高通量材料集成计算（High-Throughput Screening）
[5]. 机器学习（Machine Learning）