目前国内已有相关研究成果。近日，哈尔滨工业大学（深圳）刘兴军教授和张海军教 授等人在 Science China Materials 发表综述论文，系统地梳理了材料科学中小样 本学习策略的研究进展，包括集成学习、无监督学习、主动学习和迁移学习，并提出 了未来研究的方向，如少样本学习和虚拟样本生成。此外，还强调了将材料领域知识 嵌入机器学习的重要性。 小样本学习能从多方面推动材料研发

3M 的 FC-770 ， Novec-7200 等，价格高，还 没 有被数据中心大规模使用。在 AI 需求拉动下，国内氟化液有望快速发展，相关企业有望受益。 u 根据《数据中心用浸没式冷却液的研究进展》，目前全球数据中心浸没式冷却液总市场规模达到 3 万吨， 2025 年有望达到 10 万吨。根据华经产 业 研究院， 3M 的氟化液产品 FC-770 、 Novec-7200 售价分别约为 64

驶仿真等领域的数字内容创建方式，具有巨大的正面 应用价值。另一方面，这些生成技术一旦被滥用，便 会催生出以深度伪造为代表的超逼真伪造内容，对个 人隐私、社会信任、新闻真实性和国家安全构成严重 威胁。因此，该领域的研究进展呈现出一种“攻防对抗” 的态势：在生成侧，研究聚焦于提升渲染的实时性、 保真度和效率；在检测侧，则致力于开发更强大的取 证算法来识别伪造痕迹。这两方面的并行发展，共同 推动了内容生成与安全认证技术的飞速进步。