AI 助力揭開水的雙態之謎 大阪大學找到最佳結構判別法

水的雙液態之謎待解 AI 帶來新解法

水是地球上最常見的物質，卻也是科學界認識最不充分的物質之一。特別是當水在攝氏零度以下仍保持液態——這種現象稱為「過冷」——時，其物理性質表現出的異常行為更令科學家困惑。

日本大阪大學研究團隊近日發表突破性研究成果，利用人工智慧系統評估了 16 種不同的結構描述子（structural descriptors），成功辨識出最能有效區分水兩種相互競爭液態的判別指標。

從主觀判斷到科學系統化

結構描述子是科學家用來量化液體微觀分子排列方式的數學工具。長期以來，研究人員在選擇使用哪種描述子時，往往依賴經驗與直覺，缺乏客觀的系統性依據。大阪大學研究團隊的創新之處，就在於以電腦模擬數據訓練 AI 模型，讓機器學習系統自動篩選評估這 16 種描述子的效能。

該 AI 系統的評估結果顯示，某些描述子在區分「低密度液態」與「高密度液態」上表現遠優於其他方法。這兩種液態是水「液態二態性」（liquid-liquid transition）理論的核心概念，長期以來的科學爭議在於這個理論是否真實存在。

應用價值涵蓋多領域

過冷水現象在自然界中並非罕見。雲層中的水滴、凍結前的生物細胞、以及深海冰凍環境中的水，都經常以過冷態存在。理解水在這些極端條件下的微觀結構，對氣候模型預測、生物冷凍技術、材料科學等多個領域都有重要意義。

例如，改進過冷水的研究可能幫助科學家更精確預測雲形成過程，進而優化氣候變遷模型；在生命科學中，則能提升細胞與組織冷凍保存的技術，促進再生醫學發展。

AI 在基礎科學中的新角色

這項研究的價值不僅在於科學成果本身，更在於展示了人工智慧在基礎研究領域的應用潛力。傳統上，AI 的應用多集中在工程最佳化或商業預測，但大阪大學的案例表明，AI 同樣能協助科學家釐清長期懸而未決的自然謎題。透過 AI 的客觀篩選與系統分析，研究人員獲得了更有力的科學依據，推進對水這個最神祕物質的認識。