一项研究通过DFT+U方法研究了LiFe0.6Mn0.4PO4的结构、电子、光学和磁性，为LMFP的掺杂改性提供理论依据。另一项工作利用扩展DFT方法准确计算橄榄石型正极材料的电子性质和嵌锂电压，有助于筛选新型LMFP组分。
机器学习在电池材料领域应用增多，一项研究开发了BatteryMat框架，用于锂离子电池正极平均电压的高通量筛选，另一项工作构建了多保真机器学习力场，加速正极材料模拟。这些方法可缩短LMFP新材料开发周期。
实验方面，有研究合成了LiFe0.6Mn0.4PO4橄榄石正极并应用于锂聚合物电池，展示了LMFP的可行性。同时，关于非平衡离子输运和混合电池材料的研究，为理解LMFP充放电动力学提供新视角。
可持续性研究对比了钠离子电池与锂离子电池，为LMFP的环保性提供参考。此外，文本挖掘方法用于自动提取电池配方，有助于知识管理。整体来看，学术研究正从多维度推动LMFP技术进步。