日本大阪大学的研究团队近日在水的微观结构研究领域取得突破性进展，通过人工智能技术破解了困扰科学界百年的水分子行为谜题。该研究首次构建了能够系统描述水分子在不同环境条件下动态变化的科学框架，为理解水的反常物理特性提供了全新视角。
作为地球上最丰富的液体，水在结冰时体积膨胀的异常现象长期吸引着科学家的关注。传统理论认为，这种反常行为与水分子在温度和压力变化下形成的特殊微观结构密切相关，但始终缺乏有效的表征手段。大阪大学副教授金康团队通过对比16种分子结构描述方法，最终筛选出能够精准捕捉水分子局部排列特征的评估模型。
研究团队利用人工智能算法对海量分子模拟数据进行深度分析，成功绘制出水分子在不同状态下的动态演变图谱。实验表明，当水温接近冰点时，水分子会同时形成高密度液态（HDL）和低密度液态（LDL）两种竞争性结构。这种双重液态结构的此消彼长，直接导致了水在过冷状态下的异常物理行为。
论文详细阐述了水结冰的微观机制：分子需要首先附着在称为"成核位"的基底表面，才能逐步排列成冰晶结构。在绝对洁净的容器中，缺乏成核位的水可以冷却至零下数十摄氏度仍保持液态，形成所谓的过冷水。研究进一步发现，升温过程中高密度液态结构的塌缩速度显著快于低密度结构，这种差异正是水表现出独特热力学性质的根本原因。
该成果不仅解决了水分子结构描述的技术难题，更为材料科学、气候研究等领域提供了重要理论基础。研究团队开发的评估模型已通过开源平台共享，全球科研人员可自由获取相关数据和分析工具，这将极大推动液态物质微观行为研究的进展。
