當大阪大學的研究團隊宣布，他們利用人工智慧（AI）破解了水結冰會膨脹的百年謎團時，科學界為之一震。這個看似平凡的現象，實際上是水分子在不同溫度、壓力下微觀結構變化的結果，但科學家一直無法找到統一的方法來描述和比較這些變化。
表象
水是地球上最常見的物質，卻也是行為最古怪的液體之一。最顯著的例子是：幾乎所有液體遇冷都會收縮，但水結成冰時體積反而膨脹，因此冰塊會浮在水面。科學家早已知道，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，但一直缺乏統一的方法來描述和比較這些變化。
真相
日本大阪大學的研究團隊決定讓人工智慧（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，找出最能抓住關鍵特徵的幾種方法。論文已發表於《Communications Chemistry》期刊。
「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。」
各方角力
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」，即所謂的成核點（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。
在過冷狀態時，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。
深層影響
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。
「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。
未解之問
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。然而，水的許多神秘性質仍未被完全解開，未來的研究仍需不斷探索。
從產業面來看，這項研究不僅有助於科學界的理論發展，還可能為工業應用帶來新的突破。例如，了解水的微觀結構變化可以改善材料科學、藥物設計等領域，甚至為環境保護提供新的思路。
看完這篇文章，你是否對水的神秘性質有了新的認識？如果你對水分子的奇特行為感興趣，不妨深入閱讀更多相關研究，或者分享你的看法，讓更多人一同探索這個令人著迷的領域。
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
水為什麼會結冰膨脹？
水結冰膨脹的原因是水分子在低溫下排列成六角形晶格，這種排列方式使得分子之間的距離增大，導致體積膨脹。
什麼是過冷水？
過冷水是指在沒有成核點的情況下，水即使降到冰點以下仍保持液態的現象。
這項研究有哪些實際應用？
這項研究可以應用於材料科學、藥物設計、環境保護等領域，例如通過了解水的微觀結構變化來改進材料性能或藥物分子設計。
※ 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。
