BatteryMat提出分层机器学习与DFT框架，用于锂离子正极平均电压的高通量筛选；Toward Multi-Fidelity Machine Learning Force Field for Cathode Materials推进多保真度机器学习力场，旨在以更低计算成本获得接近DFT精度的正极材料性质预测。对LMFP从业者而言，此类计算框架可加速锰铁锂不同锰铁比例、掺杂元素与包覆方案的电压与结构稳定性筛选，缩短配方开发周期，但需注意计算预测与实际量产性能之间仍存在颗粒形貌、界面副反应等工程化差距。
LiFe0.6Mn0.4PO4橄榄石正极的合成与表征研究推进，用于新型锂聚合物电池；DFT+U研究LiFePO4的结构、电子、光学与磁性质；扩展方法计算橄榄石型正极的电子性质与嵌锂电压。对LMFP环节而言，锰铁比例是决定电压平台与能量密度的核心参数，LiFe0.6Mn0.4PO4的研究为中等锰含量配方提供参考。DFT+U与扩展方法对嵌锂电压的计算可指导锰铁比例优化，但锰溶出与循环衰减的机理仍需实验验证。
Quantum Algorithm for Open-System Battery Cathodes by Modeling Multiple Strongly Coupled Holstein Polarons with应用量子算法建模开放系统电池正极；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。对LMFP从业者而言，离子传输动力学直接影响倍率性能与快充能力，非平衡离子传输研究有助于理解锰铁锂在快充条件下的锂离子扩散瓶颈，为颗粒尺寸设计与碳包覆工艺提供理论依据。
Covalently Integrated CNT@rGO for Superior Conductivity and Cycling Stability in Lithium-Ion Batteries通过共价集成CNT@rGO提升导电性与循环稳定性；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的电池老化描述符。对LMFP环节而言，碳纳米管与还原氧化石墨烯的共价复合导电网络可改善锰铁锂的电子导电性，是包覆工艺的潜在方向；而老化描述符的研究提示LMFP的循环评价需结合多种指标，不能仅依赖容量保持率判断锰溶出程度。