BatteryMat框架结合层次化机器学习和DFT，用于锂离子电池正极平均电压筛选，可加速新材料发现。该工具对LMFP等正极材料的电压预测有参考价值，有助于优化材料设计。
量子算法研究开放系统电池正极，模拟多个强耦合Holstein极化子，为理解正极材料中电子-声子耦合提供新方法。这对改善LMFP的电子导电性有理论意义。
多保真机器学习力场开发旨在提高正极材料模拟精度，可减少DFT计算成本。该技术有望应用于LMFP的原子级模拟，指导掺杂和包覆工艺优化。
非平衡离子传输研究关注混合电池材料中的离子动力学，对理解LMFP充放电过程中的锂离子传输机制有帮助。LiFePO4的DFT+U研究则提供了电子结构、光学和磁性质的基础数据，为LMFP改性提供参考。