黄富强教授团队在Nature Energy期刊发表题为"Exceptional layered cathode stability at 4.8 V via supersaturated high-valence cation design"的研究论文，该研究通过钠（Na）辅助，在LiNi0.8Co0.1Mn0.1O2中实现了高度富集的Ti4+，从而显著提高了高电压下的循环稳定性。
黄富强教授团队针对高熵氧化物钠离子电池正极材料设计难题，提出了整合集成学习、无监督学习和贝叶斯优化的混合流机器学习（HFML）框架，从225万余候选结构中高效筛选出稳定的O3型高熵氧化物正极。
黄富强团队与李金金团队合作，通过开发融合Transformer与晶体图网络的CGformer模型，结合无监督聚类与迁移学习，解决了高熵材料数据稀缺、结构复杂导致的性能预测难题。