一篇论文报道了LiFe0.6Mn0.4PO4橄榄石正极的合成与表征，应用于新型锂聚合物电池。该材料具有高比容量和良好循环稳定性，为LMFP的组分优化提供参考。企业可关注此类研究，调整产品配方。
机器学习在正极材料筛选中的应用受到关注，如BatteryMat框架用于平均电压筛选，多保真机器学习力场用于正极材料。这些方法可加速新材料开发，降低研发成本。企业可加强与科研机构合作，利用AI辅助研发。
非平衡离子传输在混合电池材料中的研究，有助于理解充放电过程中的动力学行为，为提升倍率性能提供理论指导。LMFP的倍率性能是短板，相关研究或推动技术突破。
关于库仑效率和容量保持率的研究指出，它们并非电池老化的通用描述符，提醒业界在评估材料性能时需综合考虑多种因素。这有助于更科学地评价LMFP材料的优劣。
DFT+U研究LiFePO4的结构、电子、光学和磁性质，为理解LMFP的电子结构提供基础。基础研究有助于指导掺杂和包覆工艺，提升材料性能。