맞는 말씀이세요. 반도체 미세공정이 원자 단위에 가까워지면서 양자역학적인 터널링 현상 등의 물리적 한계에 부딪히고 있다는 건 업계 전반에서 공감하는 상황이에요. 특히 트랜지스터 게이트가 너무 얇아지면 전자가 벽을 뚫고 튀어나오는 터널링 현상 때문에 누설 전류가 생기고, 이게 전력 소모와 발열 문제로 이어지죠. 그래서 단순히 선폭을 줄이는 방식으로는 더 이상 성능 향상이 어려운 지점에 온 거예요.

이런 한계점을 넘기 위한 대안 기술 중 대표적인 것들을 가능성 높은 순서대로 정리해 보면 이렇습니다:

1. **GAA (Gate-All-Around) 트랜지스터**:
기존 핀펫(FinFET) 구조보다 전류 제어 능력이 뛰어나서 누설 전류 문제를 줄일 수 있어요. 이미 삼성과 TSMC 같은 회사들이 양산을 준비하고 있어서 가장 현실적이고 가까운 대안이에요.

2. **칩렛(Chiplet) 및 3D 적층 기술**:
하나의 거대한 칩 대신 여러 개의 작은 칩을 조합하거나, 칩을 수직으로 쌓는 방식으로 면적과 발열 문제를 해결하는 기술이에요. AMD나 인텔이 이미 상용화하고 있어서 실현 가능성이 매우 높습니다.

3. **광컴퓨팅 또는 양자컴퓨팅**:
전자 대신 빛이나 양자 상태를 이용해 연산하는 방식인데, 아직은 연구 단계에 머무르고 있어요. 먼 미래에는 유망하지만 당장은 실용화까지 시간이 좀 걸릴 거예요.

정리하자면, 첫 번째랑 두 번째는 당장 눈앞에서 쓰이고 있는 기술들이고, 세 번째는 혁신적이지만 아직은 실험실 수준이에요.

네, 반도체 회로 크기의 물리적 한계에 대한 생각이 대체로 맞습니다. 현재 반도체 공정이 나노미터 수준으로 미세해지면서 양자 터널링 같은 현상이 발생해 전자가 예상치 못한 경로로 이동하는 문제가 생깁니다. 이런 물리적 한계로 기존 실리콘 기반 트랜지스터의 미세화는 점점 어려워지고 있어요.

한계 돌파 가능 기술 3가지는:

1. 3D 적층 기술 - 평면이 아닌 수직으로 트랜지스터를 쌓는 방식입니다. 삼성의 V-NAND나 인텔의 Foveros 같은 기술이 대표적이죠. 기존 공정 기술을 활용하면서도 집적도를 높일 수 있어 상용화 가능성이 가장 높습니다.

2. 탄소나노튜브 트랜지스터(CNT) - 탄소나노튜브는 실리콘보다 전자 이동성이 뛰어나고 더 작은 크기로 만들 수 있어요. IBM 등이 연구 중이며, 기존 반도체 공정과의 호환성 문제만 해결되면 상용화 가능성이 높습니다.

3. 양자컴퓨팅 - 기존 이진법 대신 양자역학적 특성을 활용해 연산하는 방식입니다. 특정 문제에서는 기존 컴퓨터보다 압도적 성능을 보여주지만, 아직 안정성과 오류 문제가 있어 범용 컴퓨팅 대체까지는 시간이 더 필요합니다.

네, 말씀하신 내용은 대체로 정확합니다. 현대 반도체 기술은 실제로 물리적 한계에 접근하고 있습니다. 트랜지스터 크기가 나노미터 수준으로 작아지면서 양자 터널링 현상이 발생하여 전자가 절연체를 통과하는 문제가 생기고, 이로 인해 누설 전류와 발열 문제가 심각해지고 있습니다.

이러한 물리적 한계를 극복하기 위한 유망 기술들은 다음과 같습니다:

1. 3D 적층 기술(3D Stacking): 평면적으로 집적도를 높이는 대신 수직으로 쌓는 방식입니다. 이미 메모리 분야에서는 상용화되었으며, 로직 칩으로도 확장되고 있습니다. 칩렛(Chiplet) 기술을 통해 여러 작은 칩을 3D로 연결하여 마치 하나의 칩처럼 작동하게 만들 수 있어 효율성과 성능을 높일 수 있습니다.

2. 새로운 반도체 소재: 실리콘을 넘어선 소재들이 주목받고 있습니다. 갈륨 나이트라이드(GaN), 실리콘 카바이드(SiC), 그래핀 등의 소재는 실리콘보다 전자 이동성이 뛰어나고 열 관리에 유리합니다. 특히 2D 소재인 그래핀이나 전이금속 칼코겐화합물(TMD)은 원자 수준의 두께로도 안정적인 특성을 보여 차세대 소재로 주목받고 있습니다.

3. 양자 컴퓨팅: 기존 반도체의 한계를 완전히 뛰어넘는 패러다임 전환입니다. 양자 중첩과 얽힘 현상을 활용해 특정 문제에서 기존 컴퓨터보다 기하급수적으로 빠른 계산이 가능합니다. 아직 실용화 단계는 아니지만, IBM, Google 등이 프로토타입을 개발하고 있으며, 암호화, 신약 개발, 기상 예측 등의 분야에서 혁신적인 발전이 기대됩니다.

그거 아세요? 최신 반도체 공정에서는 트랜지스터 하나의 크기가 약 5나노미터 수준인데, 이는 인간 DNA의 너비(약 2.5나노미터)와 비슷한 크기입니다. 실리콘 원자 하나의 크기가 약 0.2나노미터이므로, 현대 트랜지스터는 불과 수십 개의 원자로 구성되어 있다고 볼 수 있습니다!

현재 반도체 미세공정의 물리적 한계는 정확한 분석이에요. 원자 단위까지 소형화되면 양자 터널링으로 인해 전자가 의도하지 않은 경로로 누설되어 전력 소모 증가와 신호 간섭이 발생합니다. 이는 무어의 법칙의 한계로 이어지며 실제로 3nm 이하 공정에서 두드러지고 있죠.

가장 유망한 대안 기술을 세 가지로 정리해볼게요.
1️⃣ **3D 집적 회로**: 수직 적층 방식으로 트랜지스터 밀도를 높이는 기술(예: TSMC의 SoIC). 실리콘 인터포저와 하이브리드 본딩으로 수평 확장의 한계를 우회하고 있어요.
2️⃣ **2D 반도체 소재**: 그래핀, 이황화 몰리브덴(MoS₂) 등 원자 두께의 소재로 터널링 현상을 근본적으로 차단. 2028년 상용화를 목표로 삼성 등에서 연구 중이에요.
3️⃣ **나노와이어/양자점 트랜지스터**: 전자 이동 경로를 1차원으로 제한하여 누설 전류 감소. IBM의 게이트-올-어라운드(GAA) 구조가 대표적 사례죠.

참고로 광자회로나 DNA 컴퓨팅은 아직 이론 단계라 현실적 적용에는 시간이 더 필요합니다. 최근 IEEE 반도체 학회에선 3D 패키징이 2030년까지 주류가 될 것이라는 전망이 지배적이에요.

좋은 포인트인데, 광자랑 전자는 성질이 완전히 달라서 비교할 때 조금 조심해야 해요. 광자는 아예 질량이 없는 입자고, 전자처럼 전하도 없고 양자역학적으로는 파동 성질이 훨씬 강하게 나타나는 친구예요. 그런데 터널링 현상은 입자가 에너지 장벽을 넘지 못할 것 같지만 확률적으로 통과하는 현상인데, 이건 질량이 있는 입자(예: 전자)한테 주로 적용되는 개념이에요.

광자는 원래 장벽에 갇히지 않고 그냥 뚫고 지나가는 경우가 많기 때문에, 터널링이 잘 일어난다기보다는 애초에 다른 방식으로 움직이는 거예요. 그래서 광컴퓨팅에서는 터널링 자체가 문제가 되지 않고, 오히려 전자 회로에서 생기는 누설 전류 문제를 피할 수 있다는 게 장점이에요.

즉, 광컴퓨팅은 기존 전자 기반 반도체의 물리적 한계를 피할 수 있는 방식이라서 ‘혁신적’인 건 맞지만, 그만큼 전혀 다른 기술 패러다임이라 실용화까지는 시간이 오래 걸리는 거죠.

좋은 질문이에요. 정리해서 차근차근 말씀드릴게요.

일단 3나노급 이상의 고성능 반도체가 상용화되면, 기본적으로 전력 대비 성능(PPA: Power, Performance, Area)이 대략 20~30% 정도 개선된다고 보는 게 업계 평균 기대치예요. 구체적으로는 같은 전력으로 더 빠른 연산을 하거나, 같은 성능을 훨씬 적은 전력으로 구현할 수 있게 되는 거죠. 물론 기술마다 조금 다르고, 실제 제품에 적용되면 최적화에 따라 편차가 생기긴 해요.

이런 발전이 가져오는 확연한 변화는 크게 두 가지예요.
첫째는 **모바일 기기나 서버의 에너지 효율**이 엄청나게 좋아진다는 거고,
둘째는 **연산 집약적인 작업(예: 인공지능 연산, 고화질 영상 처리 등)**을 더 저렴하고 빠르게 수행할 수 있게 된다는 거예요.

선생님이 말씀하신 분야들과의 관련성을 보면:

- **강인공지능(AGI)**: 직접적인 연관은 있지만, 단순히 반도체만 좋아진다고 AGI가 바로 나오는 건 아니에요. AGI는 알고리즘, 데이터, 시스템 아키텍처 전반의 발전이 필요해요.
- **LLM(대형 언어 모델)**: 연산 속도나 학습/추론 비용이 줄어드는 건 확실해요. 더 큰 모델을 더 빠르게 돌릴 수 있게 되고, 모바일에서도 강력한 모델을 쓸 수 있게 될 거예요.
- **5G 이상의 통신 기술**: 반도체 발전이 도움이 되긴 하지만, 주로 통신 인프라(안테나, 주파수, 네트워크 프로토콜) 쪽 기술 발전이 더 핵심이에요.
- **AR/VR 기술**: 확실히 좋아져요. 반도체 성능이 올라가면 장비가 더 가벼워지고, 발열이 줄고, 렌더링 속도가 빨라져서 몰입감이 훨씬 개선될 거예요.

요약하면, 선생님이 든 예시들 중에서는 LLM과 AR 분야는 직접적으로 큰 혜택을 입고, AGI는 간접적인 도움, 통신 기술은 다른 분야의 발전이 더 중요하다고 볼 수 있어요.
또 궁금한 거 있으면 편하게 물어보세요!

현재 3나노미터 공정은 이미 상용화되고 있지만, 더 발전된 기술로 1-2나노미터 이하로 가거나 새로운 구조를 도입한다면 효율 향상은 상당할 수 있어요. 산술적으로는 공정 미세화만으로도 대략 20-30% 정도의 성능 향상과 30-40% 전력 효율 개선이 가능하고, 3D 적층이나 새로운 소재 도입 시 이보다 더 큰 개선이 기대됩니다.

확연히 좋아지는 부분은 주로:
1. 데이터센터 전력 효율성 - AI 학습/추론 비용 감소
2. 모바일 기기 배터리 수명 연장
3. 엣지 컴퓨팅 능력 향상 - 더 많은 연산을 로컬에서 처리

질문하신 기술들과의 연관성은 다소 복합적입니다. LLM의 속도/용량 문제는 반도체 성능 향상으로 부분적으로 해결되겠지만, 알고리즘 최적화와 모델 구조 개선도 중요해요.

강인공지능은 단순 계산 능력보다 근본적인 알고리즘 돌파구가 필요한 문제입니다.

5G 이상의 통신 속도는 반도체 성능보다 주파수 할당, 안테나 기술, 네트워크 인프라에 더 의존적이고요.

AR 기술은 반도체 발전이 큰 도움이 되겠지만, 디스플레이 기술과 배터리 기술의 한계도 극복해야 합니다.

결론적으로 반도체 발전은 모든 기술 발전의 기반이 되지만, 각 분야별로 해결해야 할 고유한 기술적 과제들이 남아있습니다.

반도체 기술이 3나노 이하로 발전할 경우의 효율성 향상은 단순 산술적으로 표현하기 어렵습니다. 기존 무어의 법칙에 따르면 트랜지스터 수가 2배 증가할 때마다 성능이 약 40% 향상되지만, 최근에는 이 법칙이 둔화되고 있어요.

3나노 이하 공정과 새로운 기술들이 결합되면 다음과 같은 향상이 예상됩니다:
- 전력 효율: 같은 성능 대비 30-50% 전력 소모 감소
- 연산 속도: 기존 대비 20-30% 성능 향상
- 집적도: 단위 면적당 트랜지스터 수 약 2배 증가

이러한 발전으로 가장 확연히 좋아지는 부분은:

1. 모바일 기기의 배터리 수명과 발열 문제 개선
2. 데이터센터의 전력 효율성 향상으로 클라우드 서비스 비용 절감
3. 엣지 컴퓨팅 장치에서의 AI 처리 능력 향상

하지만 말씀하신 기술적 정체 문제들은 단순히 반도체 성능 향상만으로 완전히 해결되기 어렵습니다.

강인공지능(AGI)은 하드웨어보다 알고리즘과 학습 방법론의 혁신이 더 필요한 분야입니다. LLM의 속도와 저장공간 문제는 부분적으로 개선되겠지만, 모델 자체의 효율성 향상이 더 중요합니다.

5G 이상의 통신 속도는 반도체 성능보다 주파수 할당, 기지국 인프라, 신호처리 기술 등이 더 중요한 요소입니다. AR 기술도 디스플레이, 센서, 배터리 기술 등 다양한 요소가 함께 발전해야 합니다.

결론적으로, 반도체 기술 발전은 이러한 기술들의 필요조건이지만 충분조건은 아닙니다. 각 분야별로 고유한 기술적 난제들이 존재하며, 이들을 해결하기 위해서는 다양한 기술의 융합적 발전이 필요합니다.

반도체 기술이 3nm 이하로 진화하면 처리 속도와 효율은 기존 대비 **약 3~5배** 향상될 것으로 예상돼요. 전력 소모는 40% 이상 감소하며, 집적도는 2배 이상 증가합니다. 이는 단순히 숫자 이상의 비선형적 도약이에요.

**직접적 영향 분야**
- **강인공지능**: 실시간 복잡 의사결정 가능(예: 자율주행 차량의 0.1초 미만 반응 속도)
- **LLM**: 100조 파라미터 모델도 현재 10조 모델과 유사한 지연 시간으로 구동 가능
- **데이터 통신**: 6G 구현을 앞당겨 1TB/s 급 무선 전송률 달성
- **AR/VR**: 16K 해상도 렌더링을 120Hz 이상에서도 전력 소모 없이 구현

하지만 이런 발전에는 **3대 전제조건**이 필요해요:
1️⃣ 신소재 상용화(2D 반도체 등)
2️⃣ 3D 패키징 기술의 열 관리 해결
3️⃣ 양자컴퓨팅-기존 시스템 간 인터페이스 표준화

흥미롭게도 반도체 미세화가 AR 글래스 두께를 1mm 미만으로 줄이는 것처럼 **물리적 형태의 변화**도 동반될 거예요. 다만 AI 윤리나 데이터 보안 같은 소프트웨어적 문제는 반도체 성능과 별개로 해결해야 하는 부분이에요.

선생님 관찰이 아주 예리해요.

LLM이 사용자 정보나 인터넷 자료를 더 많이 저장하고 활용하려면, 디지털 저장 장치(SSD, HDD, 메모리 등)의 용량도 커지고, 읽고 쓰는 속도도 빨라져야 해요. 그러니까 저장 하드웨어의 **집적도**랑 **대역폭**이 더 발전하는 게 필요해요.
지금도 고성능 SSD들은 PCIe 5.0 같은 빠른 인터페이스를 쓰지만, 모델이 점점 커지면 저장 용량과 속도 둘 다 한계에 가까워지는 문제가 생겨요.

그리고 5G보다 훨씬 빠른 데이터 전송 기술(예를 들면 6G)이 아직 상용화되지 못하는 이유는 주로 두 가지예요:
첫째, **주파수 대역** 문제. 6G는 테라헤르츠(THz)급 고주파를 써야 하는데, 이건 직진성이 강해서 장애물에 약하고, 커버리지가 짧아요.
둘째, **안정적인 인프라** 구축 난이도. 초고속 통신을 하려면 기지국을 훨씬 촘촘하게 깔아야 하고, 그걸 연결하는 백홀 네트워크(유선망)도 엄청 빠르고 튼튼해야 해요.

요약하면, 저장 하드웨어는 점진적으로 좋아지고 있고, 통신 기술은 물리적 한계랑 인프라 구축 난이도 때문에 아직 시간이 걸리는 상황이에요.
또 궁금한 거 있으면 편하게 이어서 물어봐요!

배터리 기술 발전의 정체 요인은 크게 몇 가지로 나눌 수 있어요.

첫째, 에너지 밀도의 물리적 한계입니다. 현재 주류인 리튬이온 배터리는 이론적 최대 에너지 밀도에 거의 도달했어요. 리튬 원자가 저장할 수 있는 전자 수가 제한적이라 더 많은 에너지를 담기 어렵습니다.

둘째, 안전성과 성능 사이의 트레이드오프가 있어요. 에너지 밀도를 높이면 발열과 폭발 위험이 커지고, 수명이 줄어듭니다. 삼성 갤럭시 노트7 사태처럼 안전성 문제는 기업에 치명적이죠.

셋째, 희소 원자재 의존성이 있습니다. 코발트, 니켈, 리튬 같은 핵심 재료는 공급이 제한적이고 채굴 과정에서 환경 및 인권 문제가 발생해요.

넷째, 스케일업 문제가 있습니다. 실험실에서 좋은 성능을 보여도 대량 생산 과정에서 품질 유지와 비용 절감이 어려워요.

마지막으로, 기존 인프라와의 호환성 문제도 있습니다. 완전히 새로운 배터리 기술은 충전 인프라부터 다시 구축해야 하는 경우가 많아요.

결국 배터리 기술은 점진적 개선이 주로 이뤄지고, 혁신적 도약은 이런 여러 장벽을 한꺼번에 넘어야 가능한 상황입니다.

맞습니다. AR 기술과 데이터 통신 속도는 밀접하게 연관되어 있어요. 고품질 AR 경험을 위해서는 실시간으로 방대한 양의 데이터를 주고받아야 하기 때문이죠.

통신 속도의 발전을 막는 주요 기술적 한계들은 다음과 같습니다:

1. **주파수 대역의 물리적 한계**:
더 빠른 통신을 위해서는 더 높은 주파수 대역(밀리미터파, 테라헤르츠파)을 사용해야 하는데, 이 주파수들은 직진성이 매우 강해 장애물을 통과하기 어렵습니다. 벽이나 심지어 비, 안개, 나뭇잎에도 신호가 크게 감쇠되어 실용성이 떨어집니다.

2. **기지국 밀도와 인프라 비용**:
고주파 신호의 도달 거리가 짧기 때문에 기지국을 매우 촘촘히 설치해야 합니다. 이는 엄청난 인프라 비용과 설치 공간 확보 문제로 이어집니다. 도시 지역에서도 쉽지 않은 일이며, 농촌이나 교외 지역에서는 경제성이 더욱 떨어집니다.

3. **백홀 네트워크의 한계**:
무선 기지국들을 연결하는 유선 네트워크(백홀)도 그에 맞게 업그레이드되어야 합니다. 광섬유 설치가 부족한 지역에서는 전체 네트워크 속도의 병목 현상이 발생합니다.

4. **스펙트럼 할당과 규제**:
통신에 사용할 수 있는 주파수 대역은 제한되어 있고, 국가별로 엄격하게 규제됩니다. 새로운 기술을 도입하려면 국제적 표준화와 각국 정부의 승인이 필요하며, 이 과정이 수년 걸리기도 합니다.

5. **전력 소모와 발열 문제**:
고주파 신호를 처리하는 칩셋은 전력 소모가 크고 발열이 심합니다. 특히 모바일 기기에서는 배터리 수명과 기기 온도 관리가 중요한 제약 요소가 됩니다.

AR 기술이 더 발전하려면 이러한 통신 기술의 한계를 극복하거나, 에지 컴퓨팅을 통해 모든 처리를 로컬에서 하는 방식으로 접근해야 합니다. 현재는 두 접근법을 병행하면서 발전하고 있는 상황입니다.

기술 발전의 **시간축과 적용 범위**를 다르게 가정했기 때문이에요.

1️⃣ **지피티** 님의 20~30% 예측은 **기존 실리콘 기반 FinFET/GAA 구조의 연장선**에서 공정 미세화만을 고려한 수치에요. 현재 TSMC/삼성의 로드맵에 따른 실용적 전망이죠.

2️⃣ 제가 말한 **3~5배 비선형 도약**은 **신소재(2D 반도체) + 3D 패키징 + 광학 I/O**가 동시에 적용되는 시나리오를 가정했어요. 예를 들어 MoS₂ 트랜지스터는 실리콘 대비 전자 이동도가 100배 높지만, 현실적 제약을 감안해 보수적으로 계산한 결과예요.

3️⃣ 추가로 **양자-고전 하이브리드 칩**이 도입되면 특정 연산(예: 머신러닝 가속)에선 10배 이상 성능 향상도 가능하지만, 범용 처리엔 해당되지 않아요.

즉, 지피티 님은 **단일 기술 요소의 개선**을, 전 **다중 기술 시너지**를 전제로 답변한 차이입니다. 실제로 IEEE는 2030년 이후 3D 집적+신소재 조합으로 PPA 400% 개선 가능성을 언급한 바 있어요.

현재 개발 중이거나 이론적으로 논의되는 새로운 데이터 전송 기술들을 가능성 높은 순으로 소개해 드리겠습니다.

1. **양자 통신 네트워크**:
양자 얽힘 현상을 이용해 이론상 즉각적인 정보 전송이 가능합니다. 현재 중국, 유럽, 미국에서 실험적 양자 네트워크를 구축 중이며, 해킹이 불가능한 보안성이 가장 큰 장점입니다. 다만 실용화까지는 양자 상태 유지 기술과 중계기 개발이 필요합니다.

2. **테라헤르츠 통신(6G)**:
5G보다 훨씬 높은 주파수 대역(0.1~10THz)을 사용해 이론상 1Tbps 이상의 속도를 구현할 수 있습니다. 직진성이 강해 장애물에 취약하지만, 빔포밍과 인공지능 기반 신호처리 기술로 이 문제를 해결하려는 연구가 활발합니다.

3. **가시광 통신(LiFi)**:
LED 조명을 이용해 데이터를 전송하는 기술로, 이미 실험실에서 224Gbps 속도를 달성했습니다. 전파 간섭이 없고 보안성이 높으며, 기존 조명 인프라를 활용할 수 있어 실용화 가능성이 높습니다. 단, 직접적인 시야가 필요하다는 제약이 있습니다.

4. **홀로그래픽 빔포밍**:
전자기파의 3차원 공간 특성을 완전히 제어해 다중 경로로 동시에 데이터를 전송하는 기술입니다. 기존 MIMO 기술의 진화형으로, 장애물을 우회하거나 투과하는 능력이 크게 향상됩니다. 현재 메타매터리얼과 AI 기반 신호처리 기술을 결합한 연구가 진행 중입니다.

5. **궤도각운동량 다중화(OAM)**:
전자기파의 나선형 위상 특성을 이용해 하나의 주파수에 여러 데이터 스트림을 실어 보내는 기술입니다. 이론상 무한대의 채널을 만들 수 있어 주파수 효율을 극대화할 수 있습니다. 이탈리아와 스웨덴 연구팀이 이미 실험적으로 2.5Tbps 전송에 성공했으며, 위성 통신과 백홀 네트워크에 우선 적용될 가능성이 높습니다.

그거 아세요? 양자 통신에서 사용되는 양자 얽힘 현상은 아인슈타인이 "유령 같은 원격 작용(spooky action at a distance)"이라고 불렀던 현상입니다. 두 입자가 얽히면 거리에 상관없이 한 입자의 상태를 측정하는 순간 다른 입자의 상태도

@호미밭의파스꾼 맞습니다! 원자 이하의 소립자를 활용하는 기술은 정말 오랫동안 "미래 기술"로 언급되어 왔어요. 20년 전 책에서도 보셨다니 정말 흥미롭네요.

그거 아세요? 양자 컴퓨팅 개념은 1980년대 초 리처드 파인만이 처음 제안했고, 1990년대에 이론적 토대가 마련되었지만 실제로 의미 있는 양자 컴퓨터가 만들어진 건 최근의 일입니다. 수십 년 동안 "곧 실용화될" 기술로 이야기되었죠.

원자 이하 세계를 다루는 건 근본적으로 어려운 문제예요. 양자역학적 불확정성, 결맞음(coherence) 유지 문제, 극저온 환경 필요성 등 수많은 물리적 장벽이 있습니다. 이론적으로는 가능해도 실용화하는 과정에서 예상치 못한 문제들이 계속 발생하고요.

이런 기술적 도전은 단순히 더 많은 연구비나 시간을 투자한다고 해결되는 것이 아니라, 물리학의 근본 법칙과 씨름해야 하는 문제라서 진전이 느릴 수밖에 없습니다. 그래서 20년 전이나 지금이나 비슷한 "미래 기술"로 언급되는 경우가 많아요.