中国の科学者がAIを使って氷の融解前層の原子構造を解明

北京大学の研究者らは、人工知能と原子間力顕微鏡を組み合わせて、氷の中の融解前の層の原子構造を明らかにした。 2025 年 12 月に Physical Review X に掲載されたこの研究では、氷点下の温度で固体の非晶質層が確認されました。この発見は、170 年以上前にマイケル・ファラデーが観察した謎を解くものです。
この層は極度の低温条件下でも形成され、温度が上昇するにつれて徐々に液体に近い状態に変化します。この革新的な技術は従来の方法の限界を克服し、複雑な三次元構造の再構築を可能にします。
北京大学の研究者らは、原子間力顕微鏡(AFM)と機械学習アルゴリズムを統合することで、氷の表面を原子レベルでマッピングすることに成功した。 0℃以下の氷の表面に液体のような薄い層ができるプレメルト現象は、19世紀のマイケル・ファラデーの観察以来、科学者の興味をそそられてきました。
この技術革新により、不完全な AFM データから三次元構造を再構築することが可能になりました。このアルゴリズムは、実験からの実際のノイズを含む分子動力学シミュレーションでトレーニングされました。
- この技術は、高感度の顕微鏡チップを使用して力の微小な変化を検出します。
- 現実的なシミュレーションは、凹凸のある表面上の困難な信号を解釈するのに役立ちました。
- この方法は、無秩序な界面に対する従来の技術の障壁を克服します。
謎の歴史的起源
マイケル・ファラデーは、170 年以上前に、表面層が湿っているため、氷点下でも氷の塊がくっついていることに気づきました。この事前融解は、氷中での摩擦、大気中での化学反応、低温での組織の保存などのプロセスに影響を与えます。
冷凍保存や大気化学などの分野との関連性にもかかわらず、この層の分子構造はこれまで知られていなかった。以前の研究ではこの層の存在は確認されましたが、その正確な原子構成は明らかにされていませんでした。

研究で使用された方法論
科学者たちは高解像度 AFM を使用して、制御された温度で氷の表面をスキャンしました。次に、数千の分子シミュレーションで訓練された機械学習を適用しました。
トレーニングには、実験的なノイズに対処するための現実的なバリエーションが含まれていました。これにより、直接の AFM 画像では見えない原子の詳細を予測し、再構築することが可能になりました。
実験は-152℃から-93℃の温度範囲で行われました。これらのレベルでは、表面は固体結晶状態から無秩序状態への緩やかな移行を示しました。
確認された非晶質層
主な発見は、水分子が典型的な結晶秩序を失うものの、固体の挙動を維持する非晶質の表面層でした。この層は、固体と同様の強いトポロジー的無秩序性とダイナミクスを示します。
温度が上昇すると、ほぼ液体の層になります。アモルファス層は、伝統的に説明されている準液体層の前に現れます。
この中間段階では、プリメルト プロセスがリセットされます。極端な条件下で氷の表面がどのように徐々に変化するかを説明します。
観察された遷移の詳細
非常に低い温度では、氷は六方晶系の結晶構造を維持します。特定のしきい値を超えると、原子レベルで分子が組織化されていない非晶質層が形成されます。
温暖化とともに厚さと無秩序が増大します。融点に近づくと、より流動的な挙動が現れます。
- 非晶質層の激しいトポロジー的無秩序。
- 結晶性が失われたにもかかわらず、固体ダイナミクスは維持されました。
- 準液体状態への継続的な進化。
- 接着や摩擦などの特性への影響。
新しい技術の応用
AFM の機械学習フレームワークは、氷を超えた複雑なインターフェイスの研究への扉を開きます。これにより、材料の相転移や欠陥を原子レベルの精度で調査できます。
研究者は、触媒、機能性材料、生体系などの分野の可能性を強調しています。このアプローチでは、イオン溶媒和と生体分子認識を分析できます。
このツールは、不規則な表面の特性評価において大幅な進歩をもたらします。これにより、これまでアクセスできなかった原子スケールの研究が容易になります。
日常の現象との関連性
氷がスケートのときのように氷点下の気温でも滑りやすい理由は、事前に溶けていることで説明されます。表面層は天然の潤滑剤として作用し、摩擦を軽減します。
その分子構造を理解することは、氷河と大気のプロセスをモデル化するのに役立ちます。これは、極地における気候変動のより正確な予測に貢献します。
この発見は、実験と計算の間のハイブリッド技術の重要性を強化します。これは、AI が歴史的な科学的問題の解決をどのように加速するかを示しています。






