AI 破解水的百年謎團：為什麼水結冰會膨脹？大阪大學找到觀察水分子的最佳「透視鏡」

水是地球最常見的物質，卻也是行為最古怪的液體之一。最明顯的例子：幾乎所有液體遇冷都會收縮，水結成冰時體積反而膨脹，所以冰塊會浮在水面。科學家早就知道，這些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，但一直缺乏統一方法描述和比較這些結構變化。

日本大阪大學（The University of Osaka）決定讓人工智慧（AI）出手。他們訓練的類神經網路模型，首次系統性評比了 16 種描述水分子結構的方法，找出哪幾種最能抓住關鍵特徵。論文剛發表於《Communications Chemistry》期刊。

比冰點更冷卻不結冰的「過冷水」

要理解這項研究，得先認識一種奇特狀態：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」，也就是所謂的成核點（nucleation site），可能是水中微小雜質，甚至是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，就是過冷水。

過冷狀態時，水的怪異性質會更明顯。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）與低密度液體（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。

16 種描述方法，哪種最好用？AI 來評分

問題在於，數十年來各國研究者提出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）、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，「我們特別想在這項研究導入類神經網路模型，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。」

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」，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」。

這項研究等於幫科學界建立了一套「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。

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。

（首圖來源：ResOU）