浙江大学陆俊团队在《Angew》发表双位点掺杂让磷酸锰铁锂"稳住畸变"，针对Mn3+/Mn2+转变引发的Jahn-Teller畸变与锰溶出。研究通过双位点协同掺杂抑制晶格畸变，改善结构稳定性。对工程端的启示是：单一掺杂元素往往顾此失彼（如提升结构稳定性但牺牲容量），双位点可兼顾；量产验证需关注掺杂均匀性（共沉淀 vs 固相）、烧结温度窗口与氧分压，重点测55℃循环、锰溶出与DCIR增长。
BatteryMat框架结合分层机器学习与DFT，用于锂离子正极平均电压的高通量筛选；多保真度机器学习力场用于正极材料模拟；Ab Initio随机结构搜索加速正极发现。方法学价值在于以低成本精度筛选大量候选组分。对LMFP的影响是：Mn/Fe比例与掺杂元素组合空间巨大，ML筛选可快速锁定电压与稳定性兼顾的配方区间，减少试错烧结批次；工程端可将历史工艺数据标准化，用于训练企业自有的配方-性能模型。
DFT+U研究LiFePO4的结构、电子、光学与磁性性质；扩展方法计算橄榄石型正极的电子性质与嵌锂电压；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的影响是：嵌锂电压计算可指导Mn/Fe配比设计，理论电压平台与实测偏差的校准有助于设定BMS策略；LiFe0.6Mn0.4PO4的合成表征为中等锰含量配方提供工艺参考，工程端可对照其粒度、比表面积与碳含量指标。
界面与导电网络研究：共价集成CNT@rGO提升锂离子电池导电性与循环稳定性；非平衡离子传输研究；库仑效率与容量保持率并非通用老化描述符的结论。对LMFP的影响是：LMFP电子电导低，碳包覆与导电剂网络决定倍率与低温性能；CNT@rGO共价集成可在低添加量下形成长程网络，但需评估分散工艺与成本；老化描述符的结论提示正极厂不能仅以首效与容量保持率判断寿命，需结合dQ/dV与阻抗谱分析衰减机理。
配方数字化方面，Text-to-Battery Recipe提出基于语言模型的电池配方自动提取与检索协议。对正极厂的影响是：文献与专利中的配方、工艺参数可结构化沉淀，加速竞品分析与内部知识库建设；LMFP掺杂包覆配方分散在论文与专利中，自动化提取有助于建立配方-性能数据库，但需注意数据质量与实验条件归一化，避免误用不同烧结制度下的结果。