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。该框架可在配方阶段预测不同过渡金属比例下的平均电压，对LMFP锰铁比优化有直接价值。工程端可借助此类工具在锰铁比0.4-0.8区间快速筛选电压与容量平衡点，减少中试批次，缩短从配方到量产的周期。
Toward Multi-Fidelity Machine Learning Force Field for Cathode Materials与Accelerating Cathode Material Discovery through Ab Initio Random Structure Searching，分别从力场与结构搜索角度加速正极发现。对LMFP而言，多保真度力场可在原子尺度模拟锰溶出路径与界面副反应，随机结构搜索可寻找更稳定的掺杂构型。这些方法若与实验结合，有望把锰溶出抑制从经验试错转为机理驱动。
LiFe0.6Mn0.4PO4橄榄石正极的合成与表征研究，以及DFT+U对LiFePO4结构、电子、光学与磁性的计算，为LMFP提供基础理论支撑。Mn掺杂比例直接影响4.1V高压平台容量与Mn³⁺/Mn²⁺溶出风险，DFT+U可计算不同锰铁比下的带隙与形成能，指导掺杂位点选择。对工程端而言，这意味着锰铁比与掺杂元素组合可先经计算筛选再进入实验。
非平衡离子传输在混合电池材料中的研究，以及Covalently Integrated CNT@rGO用于提升导电性与循环稳定性，对LMFP的倍率与循环改善有直接参考。LMFP电子电导率低于LFP，碳纳米管与还原氧化石墨烯共价复合包覆可在低碳含量下构建完整导电网络，减少因碳含量过高导致的压实密度损失，是LMFP同时提升压实与倍率的可行路径。
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，对LMFP长期循环评价体系有警示意义。LMFP的锰溶出与电压衰减机制与LFP不同，若沿用LFP的容量保持率单一指标，可能掩盖锰溶出导致的电压平台漂移。工程端需建立包含电压衰减、锰溶出量与阻抗增长的复合评价体系。