BatteryMat提出分层机器学习与DFT结合的平均电压筛选框架，用于锂离子正极材料。背景是LMFP的Mn/Fe比例与掺杂元素组合空间巨大，传统逐批实验成本高。对正极材料环节的影响是：该框架可在实验前筛掉电压平台不达标的配比，缩短LMFP配方开发周期，但筛选结果仍需以软包循环与锰溶出数据校验。
多保真度机器学习力场用于正极材料、以及扩展方法计算橄榄石型正极电子结构与嵌锂电压的工作，针对橄榄石结构的电子结构计算精度问题。背景是LMFP的电压衰减与电子导电性差是核心痛点。对LMFP的影响是：更精确的嵌锂电压计算有助于预测不同Mn/Fe配比与掺杂下的电压平台，指导包覆与碳层设计，减少试错批次。
DFT+U研究LiFePO4结构、电子、光学与磁性质，以及LiFe0.6Mn0.4PO4橄榄石正极的合成与表征面向新型锂聚合物电池。背景是LMFP在聚合物电解质体系中的界面稳定性研究较少。对正极厂的影响是：若LMFP向固态/聚合物电池延伸，界面副反应与锰溶出机理需重新评估，正极表面包覆方案可能需针对聚合物电解质调整。
量子算法建模多强耦合Holstein极化子用于开放体系电池正极、非平衡离子传输研究，聚焦极化子与离子传输的非平衡行为。背景是LMFP的电子极化子跳跃与锂离子扩散耦合影响倍率性能。对LMFP的影响是：理解极化子局域化有助于优化碳包覆导电网络与掺杂位置，提升倍率与低温性能，但短期仍属机理层面。
CNT@rGO共价集成提升导电与循环稳定性、以及库仑效率与容量保持并非普适老化描述符的观点文章。背景是正极导电添加剂与老化评价方法学。对正极材料环节的影响是：CNT@rGO类导电网络可用于LMFP的碳包覆协同设计以降低极片电阻；而老化描述符的讨论提示正极厂在LMFP循环评价中不能仅看库仑效率，需结合锰溶出与阻抗增长综合判定。