BatteryMat提出分层机器学习与DFT框架用于锂离子正极平均电压筛选，Toward Multi-Fidelity Machine Learning Force Field for Cathode Materials推动多保真度机器学习力场。背景是正极材料配方空间巨大、传统试错成本高。对LMFP环节而言，平均电压筛选可快速评估不同Mn/Fe比例与掺杂方案的电压平台，多保真度力场则有望降低分子动力学模拟成本，但需以实测电压与循环数据校准模型，避免筛选结果与量产偏离。
LiFe0.6Mn0.4PO4橄榄石正极的合成与表征研究发表，面向新型锂聚合物电池应用；DFT+U研究LiFePO4结构、电子、光学与磁学性质；扩展方法精确计算橄榄石型锂离子正极电子性质与嵌锂电压。背景是LMFP锰含量提升带来电压平台抬升与锰溶出矛盾。对正极材料从业者而言，Mn0.4配比的合成数据与嵌锂电压计算为配方设计提供参考，锰溶出抑制需包覆与掺杂协同，烧结温度与碳包覆均匀性是量产一致性关键。
Accelerating Cathode Material Discovery through Ab Initio Random Structure Searching加速正极材料发现，Text-to-Battery Recipe提出基于语言模型的电池配方自动提取与检索协议。背景是AI辅助材料研发在电池领域加速渗透。对LMFP环节的影响在于，结构搜索可探索新型橄榄石相与掺杂构型，语言模型配方提取则有助于从专利与文献中快速构建工艺数据库，但数据质量与实验闭环仍是落地瓶颈。
Non-equilibrium Ion Transport in a Hybrid Battery Material研究混合电池材料中的非平衡离子传输，Covalently Integrated CNT@rGO for Superior Conductivity and Cycling Stability提升导电性与循环稳定性。背景是LMFP导电性差、离子传输受限。对正极材料环节而言，非平衡离子传输机理有助于理解LMFP倍率性能瓶颈，CNT@rGO共价复合为导电网络设计提供新思路，可迁移至LMFP碳包覆工艺优化。
Coulombic efficiency and capacity retention are not universal descriptors of cell aging指出库仑效率与容量保持率并非普适老化描述符，Opinion on sustainability-performance relationship比较钠电与锂电可持续性。背景是电池老化评价与可持续性评估受关注。对LMFP从业者而言，循环评价需结合锰溶出、阻抗增长与电压衰减多维指标，不能仅看容量保持率；钠电与锂电的可持续性对比则提示LMFP在锰资源丰富度上的长期优势需以全生命周期数据支撑。