LiFe0.6Mn0.4PO4橄榄石正极的合成与表征研究发表，该锰铁比（Mn:Fe=0.4:0.6）是LMFP的典型配比之一。研究采用溶胶-凝胶法合成，表征了其晶体结构、形貌和电化学性能。对LMFP从业者而言，该研究提供了锰铁比优化和合成工艺的参考。LMFP的电压平台有两个：Fe2+/Fe3+（约3.4V）和Mn2+/Mn3+（约4.0V），锰铁比影响两个平台的容量贡献。提高锰含量可提升能量密度，但会加剧锰溶出和电压滞后。该研究的合成方法和表征手段可指导LMFP的工艺开发。
DFT+U研究LiFePO4的电子结构、光学和磁性能，为LMFP的电压平台调控提供理论参考。DFT+U方法通过引入 Hubbard U 参数修正过渡金属氧化物的电子结构，可准确计算LMFP的带隙、锂离子迁移能和电压平台。对LMFP从业者而言，DFT+U计算可预测不同掺杂元素（如Mg、V、Cr）对LMFP电压平台和锂离子扩散的影响，指导掺杂工艺的优化。结合实验验证，可加速LMFP的成分设计。
机器学习力场用于正极材料多保真度模拟，BatteryMat框架结合机器学习与DFT进行平均电压筛选。该框架可高通量筛选锂离子正极材料的平均电压，加速新材料的发现。对LMFP而言，机器学习力场可模拟LMFP的锂离子扩散动力学和锰溶出过程，预测不同包覆和掺杂方案的效果。Text-to-Battery Recipe利用语言模型自动提取电池配方和检索，可帮助LMFP从业者快速获取文献中的合成参数和电化学数据。
量子算法用于开放系统电池正极的Holstein极化子建模，研究多个强耦合Holstein极化子的量子行为。该研究为理解LMFP中电子-声子耦合和极化子形成提供新方法。LMFP的电子电导率较低，极化子效应显著，量子算法可模拟极化子的迁移和复合，为提升LMFP的倍率性能提供理论指导。对LMFP从业者而言，碳包覆和导电剂复配是改善电子电导率的工程手段，而量子模拟可从机理层面指导包覆层的设计。
Coulombic efficiency and capacity retention are not universal descriptors of cell aging，该研究指出库仑效率和容量保持率并非电池老化的通用描述符。对LMFP而言，锰溶出导致的容量衰减和库仑效率下降需结合dQ/dV曲线和阻抗谱分析。Porsche测试完全回收正极材料的电池电芯，Rivian R2碳足迹为R1S的一半。欧洲车企对电池回收和碳足迹的要求趋严，LMFP正极材料需关注锰、铁、磷的回收率和碳足迹核算，具备绿色电力生产的LMFP产能将获得碳足迹优势。