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，多保真度机器学习力场用于正极材料研究。背景是正极材料配方空间巨大，传统试错法周期长、成本高。对正极材料环节的影响是：LMFP的Mn/Fe比例与掺杂元素组合可通过该框架快速筛选，企业可将计算筛选前置到中试之前，将配方开发周期从数月压缩至数周，降低研发试错成本。
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。背景是电池文献与专利数据分散，配方信息提取效率低。对正极材料环节的影响是：LMFP企业可利用该工具快速检索竞品专利与文献中的包覆掺杂配方，掌握技术路线动态，但需注意专利侵权风险，反向用于自身配方优化与专利布局。
LiFe0.6Mn0.4PO4橄榄石正极的合成与表征研究发布，针对新型锂聚合物电池应用；DFT+U研究LiFePO4结构、电子、光学与磁性能，扩展方法计算橄榄石型正极电子性质与嵌锂电压。背景是LMFP成分优化需要理论指导。对正极材料环节的影响是：Mn/Fe比例与嵌锂电压的定量关系可为LMFP配方设计提供依据，企业可参考该研究优化Mn含量以平衡能量密度与循环稳定性，减少盲目试错。
Coulombic efficiency与capacity retention被指出并非电池老化的通用描述符，非平衡离子传输在混合电池材料中的研究发布。背景是正极材料循环寿命评估标准不统一。对正极材料环节的影响是：LMFP循环衰减涉及锰溶出、结构畸变与界面副反应多重机制，正极厂需建立多维度老化评估体系，向客户提供更完整的循环衰减归因数据，以支撑定点谈判中的寿命承诺。
Covalently Integrated CNT@rGO用于提升锂离子电池导电性与循环稳定性。背景是正极材料导电添加剂与包覆工艺直接影响倍率与循环性能。对正极材料环节的影响是：该共价复合导电网络可借鉴到LMFP碳包覆工艺，提升电子导电性并抑制锰溶出，正极厂可在碳源选择与包覆结构设计上参考该方案，改善LMFP的倍率与低温性能，缩短与铁锂在倍率上的差距。