LiFe0.6Mn0.4PO4橄榄石正极的合成与表征研究，面向新型锂聚合物电池应用。Fe/Mn比0.6/0.4的配比是LMFP主流区间之一，该研究为锰铁锂在聚合物电解质体系中的界面适配提供数据。对工程端的含义是：LMFP与聚合物固态电解质的兼容性需在配方阶段考虑，包覆层选择影响界面阻抗。
DFT+U研究LiFePO4的结构、电子、光学与磁性，扩展方法计算橄榄石型正极的电子性质与嵌锂电压。计算方法可预测不同Fe/Mn配比下的电压平台与带隙，为正极厂配方筛选提供前置工具。对LMFP而言，电压平台随Mn含量提升而上升，但电子电导下降，计算可辅助找到配比与掺杂的平衡点。
BatteryMat框架以分层机器学习与DFT进行平均电压筛选，多保真度机器学习力场用于正极材料，加速正极发现的自洽随机结构搜索。这些工具将配方筛选周期从数月压缩至数周，对LMFP掺杂元素（如Mg、Al、V）的组合优化具有直接应用价值。
库伦效率与容量保持率并非普适电池老化描述符的研究提示，LMFP的循环评价需结合锰溶出量、阻抗增长、电压衰减等多维指标。对正极厂送样而言，客户验证报告正从单一容量保持率转向多维老化描述，数据完整性影响定点进度。
Text-to-Battery Recipe研究以语言模型自动提取电池配方，Covalently Integrated CNT@rGO提升导电性与循环稳定性。前者有助于配方数据库建设，后者为LMFP碳包覆导电网络设计提供参考，碳纳米管与rGO复合包覆是提升锰铁锂倍率性能的可行路径。