GLaD是一种新方法，通过整合分子图像和语言描述符进行光伏转换效率（PCE）预测，利用大规模语言模型（LLM）从科学文献中预训练来丰富分子结构表示，实现了对PCE的精确预测，并促进了合成新型有机光伏分子的过程。GLaD还展示了多功能性，适用于一系列分子属性预测任务，在低数据环境中通过融入从大规模预训练中学习的分子属性描述来丰富分子表示，对药物和材料发现等科学探索具有重要意义。