多保真度机器学习力场与BatteryMat框架代表正极研发范式的转变：前者以少量DFT数据训练力场、外推到更大体系，后者结合分层机器学习与DFT做平均电压筛选。对LMFP而言，这意味着Mn/Fe比、掺杂元素与包覆厚度的组合空间可先经计算筛选再实验验证，缩短配方迭代周期。
橄榄石结构的基础研究持续深化。LiFe0.6Mn0.4PO4的合成与表征用于新型锂聚合物电池，DFT+U研究LiFePO4的结构、电子、光学与磁性质，扩展方法精确计算橄榄石型正极的电子性质与嵌锂电压。这些工作为理解Mn引入后电压平台抬升与电子电导下降的权衡提供理论依据。
老化描述符研究值得正极厂关注：有研究指出库仑效率与容量保持率并非普适的电池老化描述符。LMFP的衰减机制包含锰溶出、SEI重构与颗粒开裂，单一指标难以刻画；建立多指标联动的评价体系，对LMFP循环数据的横向对比与客户验收标准制定有实际意义。
计算与实验结合的工具链还包括从头算随机结构搜索加速正极材料发现、量子算法处理开放体系正极的多强耦合Holstein极化子、非平衡离子传输研究混合电池材料。这些方法目前距量产较远，但为下一代LMFP的表面包覆设计与离子传输通道优化提供方向。
可持续性视角：有观点文章比较钠离子与锂离子电池的可持续性-性能关系，钠电正极的产业化对LMFP在储能场景形成替代压力。正极厂在规划LMFP产能时，需同步评估钠电在中低端储能的分流效应，避免单一技术路线的产能错配。