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；Toward Multi-Fidelity Machine Learning Force Field for Cathode Materials推进多保真度机器学习力场。对LMFP的影响：平均电压是LMFP锰铁比设计的核心参数，机器学习+DFT的分层筛选可大幅降低不同Mn/Fe配比下电压平台与结构稳定性的计算成本，加速LMFP配方优化；多保真度力场有望在保持DFT精度的同时扩展至大体系界面模拟，为锰溶出与界面副反应机理提供工具。
量子算法建模开放体系正极的多重强耦合Holstein极化子；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的影响：LMFP的电子导电性差是制约倍率性能的关键，极化子与离子传输研究可揭示Mn/Fe有序度对电子结构与锂离子扩散通道的影响，为碳包覆与掺杂（如Mg、Al、Co）的配方设计提供理论依据。
DFT+U研究LiFePO4的结构、电子、光学与磁性质；Accurate electronic properties and intercalation voltages of olivine-type Li-ion cathode materials from extended methods精确计算橄榄石型正极的电子性质与嵌入电压；LiFe0.6Mn0.4PO4橄榄石正极的合成与表征用于新型锂聚合物电池。对LMFP的影响：橄榄石结构的电子性质与嵌入电压计算可直接迁移至LMFP体系，LiFe0.6Mn0.4PO4的合成表征为LMFP的锰铁比与合成工艺提供实验参照，尤其是固相法与溶胶凝胶法对颗粒形貌与电化学性能的影响。
Covalently Integrated CNT@rGO for Superior Conductivity and Cycling Stability in Lithium-Ion Batteries；Coulombic efficiency and capacity retention are not universal descriptors of cell aging；Text-to-Battery Recipe提出基于语言模型的电池配方自动提取协议。对LMFP的影响：CNT@rGO共价集成提升导电性与循环稳定性，为LMFP的碳包覆与导电网络设计提供新思路；库仑效率与容量保持率并非通用老化描述符的结论，提示LMFP循环寿命评估需结合锰溶出、阻抗增长等多指标；语言模型提取配方可加速LMFP工艺文献的数据化。