大阪大学の研究チームは、人工知能（AI）を活用して、過冷却状態にある水の微細構造モデルを比較した。この研究は、競合する2つの液体状態の水を区別するための最も効果的な記述子を特定した。
水が凍結時に膨張し、他の異常な挙動を示すことは、長年科学者によって観察されてきた。こうした特性は、特に水が凝固することなく通常の凝固点以下に冷却された際、分子レベルで高密度液体と低密度液体が遷移することに関連している。
チームは分子動力学シミュレーションのデータを用いてニューラルネットワークを学習させた。このモデルは16種類の構造記述子を評価し、さまざまな温度下での2つの液体状態の主要な差異を最もよく捉えるものを特定した。
責任著者の金康（Kang Kim）氏は、このアプローチが構造データの分類に有効であることが証明されている機械学習手法に基づいていると指摘した。シニア著者の松林伸幸氏は、このプロセスを通じてネットワークが最も効率的な記述子を決定したと述べた。
研究成果は『Communications Chemistry』に掲載された。このフレームワークにより、分子の変化が水の熱力学的特性とどのように関連しているかの理解が深まる可能性がある。
