🔬 condensed matter

Structural Origin of Water Heat Capacity Anomaly from Classical and Quantum Simulations

通过结合经典与量子模拟以及机器学习势函数，本研究揭示了水的异常热容源于低密度与高密度局部结构之间的结构涨落，而核量子效应主要抑制了高频振动。

原作者： Kam-Tung Chan, Dylan A. Folkner, Margaret L. Berrens, Alexei A. Stuchebrukhov, Lee-Ping Wang, Davide Donadio

发布于 2026-07-13

📖 1 分钟阅读☕ 轻松阅读

原作者： Kam-Tung Chan, Dylan A. Folkner, Margaret L. Berrens, Alexei A. Stuchebrukhov, Lee-Ping Wang, Davide Donadio

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

不要把水仅仅想象成一个简单、乏味的积水洼，而要把它想象成一个繁忙、混乱的舞池，数百万个微小的水分子在这里不断地挪动、旋转并相互碰撞。科学家们长期以来一直对这个舞池玩的一个奇怪把戏感到困惑：水比几乎任何其他液体都能更好地保持热量。如果你试图加热一杯水，它会产生抵抗，在真正变热之前吸收大量的能量。更奇怪的是，如果你对其进行过冷处理（在变成冰之前将其冷却），这种对热量的抵抗力会在 230 K 左右达到一个剧烈的峰值。

多年来，研究人员一直在试图弄清楚为什么水会这样。有些人认为这是因为水分子像微小的弹簧一样剧烈振动。但在本项研究中，一个科研团队通过运行极其详细的计算机模拟来测试这些理论，他们发现了一个不同的故事。

量子“静音键”
首先，让我们谈谈振动。在传统的计算机模型（称为“经典模拟”）中，水分子被视为由弹簧连接的小球，可以以任何速度振动。这些模型预测水会吸收过多的热量——远超我们在现实生活中看到的程度。这就像是舞池的振动过于剧烈，以至于它正在吸收宇宙中的所有能量。

研究人员随后在他们的模拟中开启了一个特殊的“量子模式”。在现实世界中，原子是模糊的且具有量子力学特性的，这意味着它们不能像旧模型所暗示的那样疯狂地振动。当科学家们加入这些量子效应时，就像按下了高频、超快振动的“静音键”。突然间，模拟出的热容下降了，并与现实世界的实验完美匹配。

因此，第一个重大发现是，量子效应是水不会吸收更多热量的原因。 它们抑制了那些疯狂的高频抖动。然而，论文明确指出，这个量子“静音键”并不能解释那个奇怪的曲线形状。它无法解释为什么热容在 230 K 时会如此剧烈地飙升。这个谜团依然存在。

“入侵者”侦探
为了解决谜题的第二部分，团队观察了舞池的结构。他们发明了一种新的统计舞者的方法，称之为“第二溶剂化壳层入侵者”（SSSI）。

想象一下中心的一个水分子。它有一个由四个最亲近的朋友组成的紧密圈子（第一壳层），以及一个稍大的、由十六个朋友组成的圈子（第二壳层）。通常情况下，这些朋友都各行其道。但有时，一个来自外圈的朋友会溜进内圈的私人空间。这些就是“入侵者”。

研究人员发现，水存在两种主要的“情绪”或局部结构：

“低密度”情绪（LDL）： 一种平静、有序的舞蹈，允许极少的入侵者进入。分子分布得比较稀疏。
“高密度”情绪（HDL）： 一种混乱、拥挤的舞蹈，许多入侵者正试图挤进来。

随着温度的变化，水分子不断地在这两种“情绪”之间切换。论文指出，巨大的热容峰值出现在水在两种状态之间切换得最快的时刻。这就像一群人突然决定从慢节奏的华尔兹切换到冲撞舞（mosh pit）；这种转变需要巨大的能量。

两态图谱
团队将这种行为映射到一个简单的“两态”模型上。他们计算出，处于“平静”情绪和“混乱”情绪之间的能量差约为 3–4 kJ mol⁻¹。为了让你有个直观的概念，冰融化的能量大约是 6 kJ mol⁻¹。所以，水分子改变其局部结构的能量成本几乎是融化冰所需能量的一半。

这种结构性的切换解释了整个奇特的曲线：

在过冷温度下（约 230 K）： 水正处于切换的边缘。它在平静和混乱的情绪之间快速切换，导致热容达到最大值。
在室温下： 水主要处于混乱（HDL）的情绪中，但它仍有足够的能量偶尔回到平静（LDL）的情绪。这种持续的、缓慢的切换是水即使在未过冷时仍保持异常高热容的原因。

这项研究排除了什么
重要的是要注意这项研究指出什么不是主要诱因。论文明确反对认为水的这种奇异热容是由水分子以某种特定、不寻常的方式振动引起的观点。虽然振动对于水能保持的总热量很重要（归功于量子效应），但这种异常现象——即那个奇怪的峰值和高数值——完全是由结构性的重组驱动的，而非振动。

他们的把握有多大？
作者对他们的数字非常有信心，但也有一个前提条件：这些结果来自模拟，而非对肉眼不可见的舞池进行的直接测量。他们使用了两种不同且高度准确的计算机模型（一个基于名为 MB-pol 的复杂量子化学方法，另一个基于密度泛函理论），两者给出了相同的故事。

他们发现，结构序参数（入侵者计数）与热容完美追踪。结构变化的速率峰值与 230 K 时的热容峰值完全吻合。他们估计能量尺度为 3–4 kJ mol⁻¹，根据定义“平静”和“混乱”状态的具体方式，误差范围很小。

简而言之，论文表明，水的热容异常并非源于分子振动快慢的谜题，而是一个关于它们如何重新编排社交圈的故事。水分子在不断协商究竟是要加入一个安静、有序的群体，还是加入一个拥挤、混乱的群体，而这种不断的协商正是使水如此擅长保持热量的原因。

技术摘要：水之热容异常性的结构起源

问题陈述
液态水表现出一系列热力学异常现象，其中最显著的是在常温条件下异常大的定压热容（ $C_P$ ），以及在约 230 K 的过冷状态下出现的尖锐极大值。虽然液-液相变（LLPT）情景假定这些异常源于低密度类（LDL）与高密度类（HDL）局部结构的相互转换，但将特定的结构涨落与 $C_P$ 的温度依赖性联系起来的定量微观解释仍然难以实现。此外，经典的分子动力学（MD）模拟通常会高估 $C_P$ ，因为它们将所有振动模式都视为热激发态；而包含核量子效应（NQEs）的路径积分分子动力学（PIMD）模拟所得到的结果则更接近实验值。然而，以往的研究尚未能完全厘清 NQEs 在设定 $C_P$ 绝对量级中的作用，与其驱动 $C_P$ 异常温度依赖性的结构机制之间的关系。

方法论
作者在等温等压（NPT）系综下，结合使用了经典 MD 和 PIMD 模拟。为了确保准确性，他们采用了两种不同的机器学习原子间势函数（神经进化势，NEP）：

NEP3@MB-pol： 基于耦合簇水平（MB-pol）的 ab initio 多体势能函数训练而成。
NEP3@revPBE0-D3： 基于经过范德华力校正的杂化密度泛函训练而成。

本研究主要聚焦于 NEP3@MB-pol 模型。模拟在 210 K 至 360 K 的温度范围及 1 bar 的压力下进行。作者通过焓（ $H$ ）的温度导数直接计算了 $C_P$ 。此外，他们还基于玻色-爱因斯坦分布，利用振动态密度（vDOS）方法估计了对经典 $C_P$ 的量子修正。

为了探究异常现象的结构起源，作者引入并分析了名为“溶剂化壳层平均第二溶剂化壳层入侵者”的序参数，记作 SSSI(3)。该参数量化了位于第二溶剂化壳层中、且不属于第一壳层邻居之第一溶剂化壳层并集的分子数量。SSSI(3) 的数值能够区分 LDL 类环境（低值）和 HDL 类环境（高值）。

核心贡献与结果

振动与结构贡献的分离：
模拟表明，NQEs 和结构涨落通过不同的机制影响 $C_P$ 。
- NQEs： 路径积分模拟和基于 vDOS 的量子修正表明，NQEs 主要抑制了高频振动贡献。这种抑制作用降低了 $C_P$ 的绝对量级（约 4–5 $R$ ，以气体常数单位计），使经典预测值与实验值趋于一致。至关重要的是，NQEs 对 $C_P$ 极大值温度（ $T_{max} \approx 230$ K）的影响微乎其微。
- 结构涨落： $C_P$ 的异常温度依赖性（包括过冷状态下的极大值和常温下的高值）可以由平均 SSSI(3) 序参数的温度导数 $d\langle \text{SSSI}(3) \rangle / dT$ 来捕捉。该导数的峰值与 $C_P$ 的极大值重合，表明该异常是由 LDL 类与 HDL 类局部结构种群的快速变化所驱动的。
两态映射与焓标度：
作者将 SSSI(3) 序参数的连续演化映射到一个简单的两态模型上，假设系统由一部分 HDL 类结构 $\lambda(T)$ 和 $(1-\lambda(T))$ 的 LDL 类结构组成。
- 这种映射允许将总焓 $H(T)$ 分解为一个物理约束基线（ $H_{base}$ ）和一个源于局部结构相互转换的结构贡献项（ $H_{SSSI}$ ）。
- 通过该模型，作者提取出与 LDL 类和 HDL 类结构转换相关的有效焓标度（ $\Delta H_{L/H}$ ），约为 3–4 kJ mol $^{-1}$ 。该数值约为冰熔化焓（~6 kJ mol $^{-1}$ ）的一半，并且与非晶冰相之间的能量差一致。
热容分解：
通过将 $C_P$ 分解为基线项（ $C_{P,base}$ ）和结构项（ $C_{P,SSSI}$ ），作者展示了：
- $C_{P,base}$ （包含振动和残余构型贡献）构成了背景热容。
- $C_{P,SSSI}$ 再现了过冷状态下的极大值以及较高温度下的过剩热容。
- 该结构项与 SSSI(3) 的方差以及焓-SSSI(3) 相关系数高度相关，而这两者在 $C_P$ 极大值附近均有所增强。

意义
本文提供了一个与 LLPT 情景一致的微观框架，将局部结构拓扑与水的热力学异常联系起来。研究确立了虽然核量子效应对于通过抑制高频振动来确定正确的 $C_P$ 量级至关重要，但 异常的温度依赖性 是由 LDL 类与 HDL 类局部环境之间的结构涨落所控制的。该研究成功量化了这种结构转换的有效焓标度，并证明了尽管结构演化具有连续性，但简单的两态映射能有效地捕捉从过冷到常温条件下水的热力学行为。这些发现对于两种机器学习势（MB-pol 和 revPBE0-D3）都是稳健的，表明在量子重整化基线与结构控制的异常贡献之间的分离，是水热力学的一个基本特征。

技术摘要：水之热容异常性的结构起源

类似论文