太阳能的开发与利用一直是世界范围内备受关注的热点,而光催化技术与太阳能电池应用是利用太阳能的最直接途径,寻求高效、环保且不含贵金属的光催化材料以及高性能的新型二维光伏材料一直是光催化和光伏领域的重要课题。寻找新材料的途径中,传统基于实验、理论计算的方法具有成本高,周期长的特点。随着各种材料数据库的出现,以及机器学习方法的兴起,材料信息学在材料的筛选方面表现出更大的优势。因此,本论文基于材料信息学与第一性原理计算,对光催化材料与光伏材料进行了系统筛选以及电子性能与光学性质的研究。研究工作主要集中在两个方面:第一,对Materials Project数据库进行了系统筛选。采用高通量筛选方法,选择六个标准作为指标,从83989个材料中筛选出有望作为光催化材料的22种结构。然后通过DFT计算材料的电子和光学性能。结果表明,Zn Se、Ga2Se3和Na2Zn2O3显示出合适的直接带隙,有效的光吸收和合适的带边位置,适用于在可见光范围内进行光催化水分解。这项工作不仅提出了新颖的光催化材料,而且为寻找用于水分解的高性能光催化剂提供了一种有效的方法。第二,对ICSD数据库进行了系统筛选。结合机器学习和高通量筛选方法,从187093个无机晶体结构中成功筛选出26个二维光伏候选材料,然后通过DFT计算确定了其太阳能电池效率并分析了其光伏性能。结果显示Sb2Se2Te,Sb2Te3和Bi2Se3的太阳能电池效率相对较高,还发现了填充因子在识别光伏材料中起着重要作用,同时揭示了有助于提高光伏性能的两个重要因素,分别是可实现p-p光学跃迁的孤对s轨道（lone-pair s-orbitals）和结构不对称引起的内置电场会延长激子寿命。这部分工作不仅筛选出了Sb2Se2Te、Sb2Te3和Bi2Se3等多种具有潜力的高性能二维光伏材料,还提出了一种可以快速发现有前景的二维光伏材料的有效方法。