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R²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（R²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。
论文DOI：https://doi.org/10.1038/s41567-026-03301-8
文章来自于微信公众号 “量子位”，作者 “量子位”
