BatteryMat提出层级机器学习与DFT结合的平均电压筛选框架，用于锂离子正极材料的平均电压预测。背景是传统DFT逐个计算嵌锂电压耗时巨大，难以覆盖铁锰比例连续变化的LMFP成分空间。对LMFP研发的影响：该框架可快速筛选不同Fe/Mn比例与掺杂元素组合的电压平台，将配方筛选周期从数月压缩至数周，帮助企业在Fe:Mn=6:4、5:5等比例间快速定位兼顾电压与稳定性的窗口。
多保真度机器学习力场用于正极材料研究，结合低精度大数据与高精度小样本，提升分子动力学模拟效率。背景是LMFP中Mn³⁺的Jahn-Teller畸变与锂离子迁移路径复杂，传统MD难以在长时空尺度上模拟。对工艺的启示：该力场可用于模拟不同烧结温度与包覆层下的锂离子扩散系数，指导碳包覆厚度与掺杂位点的选择，减少试错批次，对锰溶出抑制的配方开发有直接价值。
扩展DFT方法计算橄榄石型锂离子正极的电子性质与嵌锂电压，DFT+U研究LiFePO4的结构、电子、光学与磁性质。背景是橄榄石结构的电子导电性差是LMFP倍率性能的瓶颈之一。对LMFP的影响：这些计算明确了Fe/Mn位点的电子态分布与带隙，为碳包覆与金属离子掺杂（如Mg、V、Nb）提供理论依据，企业可据此优化掺杂元素与用量，提升电子导电性与倍率性能。
LiFe0.6Mn0.4PO4橄榄石正极的合成与表征用于新型锂聚合物电池，展示了铁锰比例6:4的LMFP在聚合物电解质体系中的可行性。背景是聚合物电池对正极的界面稳定性要求高，锰溶出会加剧界面副反应。对产业的影响：该研究为LMFP在固态/聚合物电池体系中的应用提供初步数据，若界面包覆方案可迁移，LMFP有望进入半固态电池供应链，拓宽应用场景。
CNT@rGO共价集成提升锂离子电池导电性与循环稳定性；非平衡离子传输研究混合电池材料；有观点指出库仑效率与容量保持率并非普适的电池老化描述符。背景是正极材料的导电网络与老化评价方法直接影响寿命预测。对LMFP从业者的启示：碳纳米管与还原氧化石墨烯的共价集成方案可提升LMFP的电子导电网络稳定性，而老化描述符的讨论提醒企业，锰铁锂的寿命评价不能仅看容量保持率，需结合锰溶出量与阻抗增长综合判断。