水是地球上最常見的物質，卻也是行為最古怪的液體之一。最明顯的例子是：幾乎所有液體遇冷都會收縮，而水結成冰時體積反而膨脹，因此冰塊會浮在水面。科學家早就知道，這種怪異行為與水分子在不同溫度、壓力下的微觀結構變化有關，但一直缺乏統一的方法來描述和比較這些結構變化。近日，日本大阪大學的研究團隊利用人工智慧（AI），首次系統性評比了 16 種描述水分子結構的方法，找到了最能抓住關鍵特徵的描述子。
AI 如何破解水的謎團
要理解這項研究，先來認識一種奇特狀態：過冷水（supercooled water）。液態水要變成冰，水分子必須排列成整齊的晶格，這過程需要「起點」，即所謂的成核點（nucleation site），如水中微小雜質或容器內壁的細微刮痕。如果完全沒有這些起點，水即使降到冰點以下，仍然可以維持液態，這就是過冷水。
在過冷狀態下，水的怪異性質會更加顯著。科學家認為，這與液態水內部兩種互相競爭的型態有關：高密度液體（high density liquid, HDL）和低密度液體（low density liquid, LDL）。在分子層次，水分子不斷形成又打斷彼此之間的氫鍵網路；溫度升高時，排列較緊密的 HDL 結構會逐漸壓過結構較鬆散的 LDL。
多種描述子的評比
數十年來，各國研究者提出了各式各樣描述水分子局部排列的指標，例如四面體有序參數（tetrahedral bond order）和局部密度等。這些「結構描述子」（structural descriptor）各自獨立發展，使用的尺度、維度、資訊類型都不同，難以直接比較，也就無從判斷哪種最有用。
「過去的研究顯示，用機器學習分類和理解結構資料相當有效」，論文通訊作者 Kang Kim 解釋道，「我們特別想在這項研究中引入類神經網路模型，以類似人類認知的方式，評估這些描述子捕捉關鍵結構資訊的準確度。」
研究團隊先以分子動力學模擬產生過冷水的結構資料，再餵給類神經網路訓練。經過反覆試錯，AI 學會辨認分子結構有意義的模式。「神經網路運用學到的知識，能比較這 16 種描述子在不同溫度下區分 LDL 與 HDL 結構的能力」，資深作者松林伸幸（Nobuyuki Matubayasi）表示，「我們藉此找出最有效率的描述子」。
未來的研究方向
這項研究為科學界建立了一套「評分標準」：以後研究水的微觀結構時，就知道該優先使用哪些工具。團隊表示，這套框架有助於釐清微觀結構變化如何連結到水的熱力學行為，可望進一步解釋水的種種異常性質從何而來，也為開發更好的水分子結構研究工具指引方向。
從產業面來看，這項研究不僅有助於基礎科學的進步，還可能應用於材料科學和環境科學領域。例如，了解水分子在不同環境下的行為，可以幫助開發更高效的冷卻系統或更耐用的建築材料。
畢竟，從細胞生化反應到地球氣候，水無所不在。看懂這個最熟悉又最陌生的分子，AI 或許是那把關鍵鑰匙。
看完這篇文章，你是否對水的性質有了新的認識？如果你對這項研究感興趣，不妨深入閱讀相關論文，了解更多細節。你的每一次分享和轉發，都能幫助更多人了解科學的魅力。
本文改寫整理自公開新聞來源，原始報導由科技新報發布。
常見問題 FAQ
什麼是過冷水？
過冷水是指在冰點以下仍保持液態的水。這種現象發生的原因是缺乏成核點，即水分子排列成整齊晶格所需的起點。
AI 在這項研究中起了什麼作用？
AI 在這項研究中通過類神經網路模型，系統性評比了 16 種描述水分子結構的方法，找出了最能抓住關鍵特徵的描述子。
這項研究有哪些實際應用？
這項研究有助於釐清水的微觀結構變化如何影響其熱力學行為，可望進一步解釋水的異常性質，並為開發更好的水分子結構研究工具提供方向。
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。
