锂丰富锰氧化物（LRMOs）作为下一代锂离子电池的高容量、成本有效的阴极展现出巨大的潜力。然而，它们仍面临诸如电压下降、容量损失和结构不稳定等问题。最近，原位/操作表征方法的突破已成为揭示这些材料结构和电化学活性动态变化的有效手段。本文综述了先进的方法论，能够实时观察相变、氧的氧化还原相互作用以及过渡金属（TMs）在电池充放电循环中的迁移。通过结合各种表征工具，研究人员可以揭示缺陷形成、氧化还原机制与电池结构稳定性之间的关键联系，从而开发新的方法以抑制性能退化。研究表明，通过先进表征获得的相变和失效模式的机制洞察对改善LRMOs至关重要。优先采用多尺度原位方法结合机器学习进行数据解读，对快速开发可行的LRMOs至关重要。这些实时分析的进展有望解决当前限制，并加快高能量密度材料的市场引入，以满足未来能源存储的需求。
Kou等（Sun）研究了这个问题。