고압 액체 수소의 초임계 거동(Supercritical behaviour)에 대한 증거

극압(Extreme pressures)에서 수소는 다양하고 복잡한 상 거동(Phase behaviours)을 나타내며, 이러한 현상에 대해서는 아직까지 잘 알려져 있지 않다. 이론적 모델들은 한계에 도달하여 실험 데이터와 이들 실험 데이터들 간의 결과가 일치하지 않아, 이러한 결과들을 해석하는 것이 매우 어렵다. Bingqing Cheng과 연구진들은 시스템 크기와 시간 스케일 한계를 극복하기 위하여 기계 학습(Machine learning)을 활용함으로써 이러한 어려움들을(특히 계산 비용에 기인한 문제) 회피하고자 시도하였다. 이러한 접근법에 기반한 시뮬레이션은 기존의 많은 이론적 및 실험적 불일치를 좁히고, 숨겨진 임계점(Critical point)이 수소 상 평형도(Phase diagram)에서 중요한 역할을 함을 시사한다.