BatteryMat是一个分层机器学习和DFT框架，用于锂离子电池正极材料的平均电压筛选。该框架可加速新材料的发现，为LMFP等正极材料的成分优化提供快速评估方法。
量子算法用于模拟电池正极材料，考虑多个强耦合的Holstein极化子，有助于理解材料中的电子-声子相互作用，为设计高性能正极材料提供理论指导。
多保真机器学习力场用于正极材料研发，可提高计算效率，加速材料筛选和性能预测。该技术有望缩短LMFP等新材料的开发周期。
DFT+U研究LiFePO4正极材料的结构、电子、光学和磁性性质，为理解磷酸铁锂的电子结构提供基础。类似方法可应用于LMFP，优化其电子导电性。
LiFe0.6Mn0.4PO4橄榄石正极的合成与表征，用于新型锂聚合物电池。该材料是LMFP的一种，其合成工艺和性能研究为LMFP产业化提供参考。