2003年荣获教育部全国优秀博士学位论文指导教师称号，科教同年由他为学术带头人的光功能材料的设计、制备与表征获基金委创新研究群体资助。
但是，强鲁到目前为止仍然没有高效可行的非原位掺杂工艺问世。李登兵博士以第一（共同第一）作者身份发表国际学术论文十余篇，兴鲁新高包括Natureenergy(两篇)，NanoEnergy（两篇），AdvancedFunctionalMaterials等国际期刊。
鄢炎发教授，力打现为美国托莱多大学讲席教授，当前研究课题主要包括：新兴和未来一代的新能源材料、器件结构和应用。造创研究成果以题为Low-temperatureandeffectiveexsitugroupVdopingforefficientpolycrystallineCdSeTesolarcells发布在国际著名期刊 NatureEnergy上。更重要的是，次全该技术与当前工业生产线上的低温非原位Cu掺杂工艺完全兼，次全从而为低成本制备V族元素掺杂的多晶CdTe太阳能电池提供了可能，也为CdTe薄膜太阳能电池的研究开辟了新方向。
科教（c）使用C-V测量Cu和As掺杂的CdSeTe器件的载流子浓度分布。强鲁该工作为碲化镉太阳能电池中Cu的掺杂提供了新的思路。
兴鲁新高文献链接：Low-temperatureandeffectiveexsitugroupVdopingforefficientpolycrystallineCdSeTesolarcells .NatrueEnergy,2021,DOI:10.1038/s41560-021-00848-z.团队介绍闫风教授,现为美国阿拉巴马大学助理教授,课题组课题主要包括薄膜材料以及相关光电器件(太阳能电池,铁电存储,热电转换).闫风教授获得美国2020NSFCAREER奖,2018RalphE.PoweJuniorFacultyEnhancementAwards.闫风教授目前发表60多篇国际学术文章,包括NatureEnergy,NatureCommunications,ACSNano,APL等国际期刊.H因子22(googlescholar数据)。
力打该技术需要复杂的后续高温退火过程来激活掺杂剂。虽然这些实验过程给我们提供了试错经验，造创但是失败的实验数据摆放在那里彷佛变得并无用处。
因此，次全复杂的ML算法的应用大大加速对候选高温超导体的搜索。科教图2-2 机器学习分类及算法3机器学习算法在材料设计中的应用使用计算模型和机器学习进行材料预测与设计这一理念最早是由加州大学伯克利分校的材料科学家GerbrandCeder教授提出。
强鲁这就是最后的结果分析过程。实验过程中，兴鲁新高研究人员往往达不到自己的实验预期，而产生了很多不理想的数据。
