BatteryMat框架通过分层机器学习与DFT筛选锂离子正极平均电压，多保真度机器学习力场用于正极材料。该框架可加速正极材料的平均电压预测，对LMFP而言，锰铁比例与电压平台的关系复杂，机器学习方法可快速筛选不同Mn/Fe比的配方，减少实验试错成本。多保真度力场结合DFT精度与机器学习速度，可用于LMFP的锂离子迁移路径模拟，为包覆掺杂工艺提供理论指导。
LiFe0.6Mn0.4PO4橄榄石正极合成与表征用于新型锂聚合物电池。该研究直接针对LMFP体系，Mn/Fe比为0.4/0.6，属于典型LMFP配方。研究涉及合成方法与电化学表征，为LMFP在聚合物电池中的应用提供数据。对正极材料从业者而言，该研究的合成路线和表征结果可参考用于LMFP的工艺优化，尤其是锰溶出与循环稳定性的关联分析。
DFT+U研究LiFePO4正极的结构、电子、光学和磁性性质。该研究为LFP的电子结构提供理论基准，LMFP的DFT计算可借鉴其U值设置和模型构建。Accurate electronic properties and intercalation voltages of olivine-type Li-ion cathode materials from extended DFT。这些研究为橄榄石型正极的电压预测和电子结构分析提供方法，LMFP的电压平台调控可基于此进行掺杂设计。
Coulombic efficiency and capacity retention are not universal descriptors of cell aging。该研究指出库仑效率与容量保持率并非通用的老化描述符，对LMFP的循环寿命评估具有警示意义。LMFP的锰溶出会导致容量衰减和库仑效率降低，但单一指标可能无法全面反映老化机制。正极材料企业需建立多维度老化评估体系，结合锰溶出量、阻抗增长和结构变化综合判断LMFP的循环性能。