日本大阪大學（簡稱，阪大）研究生院基礎工學研究科博士生1年級的吉川航平、博士生3年級的四方志、金鋼副教授、松林伸幸教授組成的研究團隊，通過讓人工智慧（AI）學習液態水中氫鍵網路的結構特徵，發現僅依據水分子排列資訊即可預測溫度。相關研究成果已發表在《Communications Chemistry》上。
圖1 研究概念圖。AI從水的分子排列資訊中預測溫度（供圖：大阪大學）
圖2 電腦模擬獲得的分子排列。(左)300K與(右)200K的對比顯示，兩者均呈無序狀態，肉眼難以分辨差異，但神經網路能夠據此高精度預測溫度（供圖：大阪大學）
液態水中的相鄰水分子在協同運動的同時，不斷交換氫鍵對象。由於氫鍵網路會隨時間不斷重組，很難從中發現明確的秩序或規律性。另一方面，由於水分子具有折線型結構且呈現強極性，氫鍵在局部上易於形成四面體結構，即使在液態下也被認為仍殘留著這一結構的痕跡。
研究團隊利用基於神經網路的人工智慧，成功從分子動力學模擬生成的不同溫度條件下的水分子排列資訊中，通過其結構特徵預測了溫度。此外，研究團隊還針對過去提出的16種分子級結構指標，系統性對比評估了各類指標的溫度預測性能。結果表明，對於形成四面體結構的4個水分子，用於量化第5個水分子靠近所引發的結構紊亂的指標，表現出最高的預測精度。
該結果表明，液態水在本質上依然存在局部四面體有序結構，同時該結構會因與周圍水分子的相互作用而持續受到擾動。換言之，該結果可解釋為：液態水的四面體結構並未完全崩解，而是以「局部有序」與「動態無序」共存的狀態穩定存在。此外，溫度依賴性分析表明，隨著溫度降低，這種局部四面體有序結構變得更加明顯，結構連續地向更有序的狀態變化。另一方面，研究確認該有序結構始終伴隨動態無序擾動，並非完整的晶體結構，而是維持著獨有的液態特性。
本次研究證實，即便是液態水這類看似完全無序的物質，其內部也蘊含著能夠反映溫度等熱力學狀態的結構資訊。這為從分子水平結構漲落解讀物質性質提供了新的視角。這類研究方法有望推動水在4℃時密度達到最大值等特殊異常性質成因的解析工作。
金鋼副教授表示：「液態水的結構極其無序，最初我們並未預料到僅憑水分子排列就能預測溫度。然而神經網路捕捉到了其中潛藏的資訊，並以高精度解讀出了溫度。更令人驚訝的是，我們還發現這種高精度背後的分子級依據——四面體結構的紊亂特徵。希望本項成果能夠成為深化人們對水這一最熟悉物質認識的契機。」
原文：《科學新聞》
翻譯：JST客觀日本編輯部
【論文資訊】
期刊：Communications Chemistry
論文：Machine learning evaluation of structural descriptors for supercooled water
DOI：doi.org/10.1038/s42004-026-02097-1
