아직 해결해야 할 문제가 있습니다. Ortu의 칼슘 전자화물은 산업에서 사용하기에는 공기와 물에 너무 민감합니다. 그는 이제 Ortu가 입증한 반응이 일반적인 제약 산업에서 약물 분자를 합성하는 데 특히 유용한 것으로 입증될 수 있는 보다 안정적인 대안을 찾고 있습니다.
지구의 내부 핵에 확실히 전기화물이 포함되어 있는지 여부를 포함하여 전기화물에 관한 해결되지 않은 미스터리가 많이 남아 있습니다. Kim과 그의 동료들은 비핵 어트랙터 위치에 대한 증거를 찾기 위해 철 격자 시뮬레이션을 사용했지만 결과에 대한 해석은 여전히 "약간 논란의 여지가 있다"고 Racioppi는 말합니다.
나트륨과 주기율표의 1족과 2족에 속하는 기타 금속(리튬, 칼슘, 마그네슘 등)은 느슨하게 결합된 외부 전자를 가지고 있습니다. 이는 전자가 비핵 어트랙터 사이트로 쉽게 이동하여 전자화물을 형성하는 데 도움이 됩니다. 그러나 철은 다른 모양의 궤도에 있는 외부 전자에 더 많은 당기는 힘을 발휘합니다. 이는 압력 하에서 전자 반발력의 증가를 덜 중요하게 만들어 전자화물 형성으로의 전환을 어렵게 한다고 Racioppi는 말합니다.
전자화물은 아직까지 알려진 바가 거의 없고 연구된 바도 거의 없다고 텔아비브 대학교(Tel Aviv University)의 컴퓨터 재료 과학자 Lee Burton은 말합니다. 물질이 언제 물질이 될지 예측할 수 있는 이론이나 모델은 아직 없습니다. “전자화물은 화학적으로 전형적인 것이 아니기 때문에 화학적 직관을 적용할 수 없습니다.”라고 그는 말합니다.
Burton은 예측에 도움이 될 수 있는 규칙을 검색해 왔으며 40,000개의 알려진 재료 화면에서 전자화물을 찾는 데 어느 정도 성공했습니다. 그는 이제 더 많은 것을 찾기 위해 인공 지능을 사용하고 있습니다. “때때로 모두 서로 의존할 수 있는 서로 다른 속성 간의 복잡한 상호 작용입니다.”라고 그는 말합니다. "여기서 머신러닝이 정말 도움이 될 수 있습니다."
핵심은 모든 모델을 훈련할 수 있는 신뢰할 수 있는 데이터를 확보하는 것입니다. Burton 팀은 지금까지 실험적으로 확인된 소수의 전자화물 구조의 실제 데이터만 가지고 있지만 Racioppi가 수행한 양자 이론을 기반으로 한 종류의 모델링을 사용하여 재료 내 전자 밀도의 고해상도 시뮬레이션을 만들고 있습니다. 그들은 가능한 한 많은 재료를 사용하여 이 작업을 수행하고 있습니다. 실제 실험에서 확인된 것들은 전자화물일 가능성이 있는 더 많은 물질, 즉 갇힌 전자 사이트의 높은 전자 밀도 특성의 개별 포켓을 가진 물질을 식별하기 위해 AI 모델을 훈련하는 데 사용됩니다. Burton은 “잠재력은 엄청납니다.”라고 말했습니다.
Knowable Magazine, 2026. DOI: 10.1146/knowable-012626-2 (DOI 정보)
"이 기사는 원래 모든 사람이 과학 지식에 접근할 수 있도록 하는 데 전념하는 비영리 간행물인 Knowable Magazine에 게재되었습니다. Knowable Magazine의 뉴스레터에 가입하세요."