AI破解水的百年谜团：为什么水结冰会膨胀？大阪大学找到观察水分子的最佳“透视镜”
水是地球最常见的物质，却也是行为最古怪的液体之一。最明显的例子：几乎所有液体遇冷都会收缩，水结成冰时体积反而膨胀，所以冰块会浮在水面。科学家早就知道，这些怪异行为与水分子在不同温度、压力下的微观结构变化有关，但一直缺乏统一方法描述和比较这些结构变化。
日本大阪大学（TheUniversityofOsaka）决定让人工智能（AI）出手。他们训练的类神经网络模型，首次系统性评比了16种描述水分子结构的方法，找出哪几种最能抓住关键特征。论文刚发表于《CommunicationsChemistry》期刊。
比冰点更冷却不结冰的“过冷水”
要理解这项研究，得先认识一种奇特状态：过冷水（supercooledwater）。液态水要变成冰，水分子必须排列成整齐的晶格，这过程需要“起点”，也就是所谓的成核点（nucleationsite），可能是水中微小杂质，甚至是容器内壁的细微刮痕。如果完全没有这些起点，水即使降到冰点以下，仍然可以维持液态，就是过冷水。
过冷状态时，水的怪异性质会更明显。科学家认为，这与液态水内部两种互相竞争的形态有关：高密度液体（highdensityliquid，HDL）与低密度液体（lowdensityliquid，LDL）。在分子层次，水分子不断形成又打断彼此之间的氢键网络；温度升高时，排列较紧密的HDL结构会逐渐压过结构较松散的LDL。
16种描述方法，哪种最好用？AI来评分
问题在于，数十年来各国研究者提出各式各样描述水分子局部排列的指标，例如四面体有序参数（tetrahedralbondorder）、局部密度等。这些“结构描述子”（structuraldescriptor）各自独立发展，使用的尺度、维度、资讯类型都不同，难以直接比较，也就无从判断哪种最有用。
“过去的研究显示，用机器学习分类和理解结构资料相当有效”，论文通讯作者KangKim解释，“我们特别想在这项研究导入类神经网络模型，以类似人类认知的方式，评估这些描述子捕捉关键结构资讯的准确度。”
团队先以分子动力学模拟产生过冷水的结构资料，再喂给类神经网络训练。经过反复试错，AI学会辨认分子结构有意义的模式。“神经网络运用学到的知识，能比较这16种描述子在不同温度下区分LDL与HDL结构”，资深作者松林伸幸（NobuyukiMatubayasi）表示，“我们借此找出最有效率的描述子”。
这项研究等于帮科学界建立了一套“评分标准”：以后研究水的微观结构时，就知道该优先使用哪些工具。团队表示，这套框架有助于理清微观结构变化如何连结到水的热力学行为，可望进一步解释水的种种异常性质从何而来，也为开发更好的水分子结构研究工具指引方向。
毕竟，从细胞生化反应到地球气候，水无所不在。看懂这个最熟悉又最陌生的分子，AI或许是那把关键钥匙。