液态水，是地球上研究最多、争议最大的物质之一。
水为什么在 4 ℃密度最大？为什么有那么多反常性质？物理化学界流行的「双组份水模型」给出过一个答案：水里一直有两个隐藏组分——类高密度 A 组份与类低密度 B 组份——在持续相互转化。
但反对派不买账：常温下明明就是一锅乱炖，非要人为设定个截断标准把水分子强行分成两组，这不科学。争论，就这么僵了几十年。
现在，香港城市大学曾晓成教授与中国石油大学（华东）钟杰教授团队给出了终结级的分子水平证据，成果发表于《Nature Physics》。
他们首创了一套无监督深度学习框架，不给 AI 任何预设条件，直接把海量水系统中7400 多万个水分子结构扔给模型，让 AI 自己去悟。结果不仅直接证明常压水里确实存在两种「暗」组份，还把 A/B 水分子相互变身的「立交桥」路线图给完整画了出来。
AI 算出的 A 组份占比与系统总体积呈现R ² 接近 0.99的完美线性关系，传统经验描述符在同一测试里差距悬殊。
宏观物理方程验证，AI 提取的 xA 与系统体积完美线性相关，全面超过传统经验算法告别「经验截断」，无监督 AI 直接下场
传统研究里，找双组份往往靠人为经验设定一个距离或角度的截断值——主观性强，反对者就抓住这一点不放。
团队这次展示的，是另一条路：绝对客观的无监督学习。
他们利用自编码器（Autoencoder）架构，让 AI 自己去拟合系统的宏观密度和能量。AI 像一个没有偏见的裁判，无情地指出：人类以前盯着传统「局部密度」参量看是不对的，那个参量根本分不出双峰特性。
AI 通过自己的多维投影算法，找到了两个隐藏的物理量——PCI和PCII。在这个新的多维视角下，不论是高压深过冷的极端水，还是常压的普通水，A/B「暗」组份的「双峰」特征清清楚楚，无可辩驳。
TIP4P/ice 水模型相图与过冷水液 - 液共存线，展示深过冷条件下密度的双峰特征
无监督深度学习模型架构，AI 通过寻找潜在物理特征（PCI/PCII）在不引入人为干预的情况下证明双组份存在顺手画出分子变身路线图：A/B 互转是「环形」的
找到了双组份，AI 还顺手把它们的「转换路线」给扒了出来。
以前以为 A 变成 B 是一条直线，结果 AI 画出的3D 概率密度图显示，这居然是一个带3 个鞍点（SP-1、SP-2、SP-3）的「环状」路径：
高密度水（HDL）中，A/B「暗」组份水走上半环（高密度反应路径）
低密度水（LDL）中，A/B「暗」组份水走下半环（低密度反应路径）
过冷水发生液 - 液相变时，就在上下环之间切换
这种上帝视角，把水分子微观层面的「小动作」公之于众，是以前任何经验方法都看不到的。
3D 概率密度图揭示过冷水液 - 液共存线附近的「环状」反应路径，展示高低密度下的微观构型演变三项成果
1、普适性。不仅在深过冷高压区管用，在常压下依然能精准识别两种暗组份，证明了双组份的普遍存在，直接回应了反对派最核心的质疑。
2、物理定律完美吻合。AI 算出的 A 组份占比（xA）与系统总体积呈现极其完美的线性关系（R ² 接近 0.99），概率分布也一模一样。人类以前发展的经验描述符，在这项测试里差距很大。
3、精准预测临界点。AI 推导出的过冷水液 - 液共存线和相关联的 Widom 线，与经典热力学方程算出来的结果严丝合缝。
这项研究能登上《Nature Physics》，意义不止于证明了水有双组份。
它开创了液体微观机理研究的新范式：通过无监督 AI，可以摆脱人类直觉的盲区和经验的干预，去发现真正底层隐藏的物理特性。
这标志着复杂液体研究正式告别了「靠人为经验设定」的旧时代，迈入数据驱动的新时代。AI for Science，在基础液体物理化学领域，又完成了一次突破。
配资行情论文 DOI：https://doi.org/10.1038/s41567-026-03301-8
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —
我们正在招聘一名眼疾手快、关注 AI 的学术编辑实习生 � �
感兴趣的小伙伴欢迎关注 � � 了解详情
� � 点亮星标 � �
元股证券:ygzq.hk
科技前沿进展每日见回调买入技巧
元股证券手机开户提示：本文来自互联网，不代表本网站观点。
