미국 국립표준기술원(NIST) 과학연구팀이 물리학에서 가장 기본적이고 정확한 측정이 어려운 상수 중 하나인 중력상수 'G'에 새로운 가치를 부여하고, 중력 측정이 장기적으로 '부정확'하게 되는 잠재적인 이유를 밝혀낸 10년간의 실험 결과를 최근 발표했다.
중력은 자연의 네 가지 기본 상호작용 중 가장 약한 것으로, 이를 정확하게 측정하기 가장 어려운 물리량 중 하나입니다. NIST 물리학자 스테판 슐라밍거(Stephan Schlamminger)는 과학계가 200년 넘게 중력상수를 추적해 왔지만 기존 16개 주요 측정 결과의 분산은 여전히 매우 커서 일반적인 불확실성이 약 10ppm으로 다른 기본 상수의 정확도 수준보다 훨씬 낮다고 말했습니다.
물리학계에서 "빅 G"라고도 알려진 중력 상수는 두 질량 사이의 중력 강도를 나타냅니다. 대중의 일상 생활에서는 G의 작은 변화가 인지할 수 있는 영향을 미치지 않지만 물리학자들에게는 G의 정확한 값을 최대한 고정하는 것이 중력의 본질을 더 깊이 이해하고 통일된 물리 이론의 탐구를 촉진하는 데 도움이 될 것입니다.
이 작업에서 Schramminger 팀은 완전히 뒤집고 새로운 솔루션을 설계하는 대신 실험 경로를 복제하기로 결정했습니다. 그들은 2014년 프랑스 국제도량형국(BIPM)에서 실시한 유명한 중력상수 실험에 사용된 것과 동일한 장비 세트를 프랑스에서 미국 메릴랜드주 게이더스버그에 있는 NIST 연구소로 옮겨 다양한 환경에서 실험을 재현하고 그 해의 결과에 숨겨진 체계적 편향이 있는지 조사했습니다.
2014년 BIPM 실험은 당시 가장 '일탈적인' G 값 중 하나를 제시한 만큼, 이번 반복실험을 통해 이러한 비정상적인 결과의 이면이 자세히 밝혀질 것으로 예상된다. NIST 팀은 2016년에 공식적으로 측정 작업을 시작했습니다. 전체 프로젝트는 10년 동안 지속되었습니다. 이는 과학적인 측정일 뿐만 아니라 초정밀 약력 측정 기술의 장기적인 연마이기도 했습니다.
최근 발표된 데이터에 따르면 팀이 제공한 중력 상수 값은 다음과 같습니다.6.67387±0.00038×10−11m3kg−1s−2, 상대 표준 불확도는 다음과 같습니다.5.7×10−5. 2014년 BIPM 실험 결과와 비교하면 이 값은 약 0.0235% 낮은 수준이다. 고정밀 측정 분야에서는 이 차이를 무시할 수 없습니다. 동시에 CODATA 2018에서 권장하는 G값보다 약간 낮은 결과가 나왔으나 여전히 편차의 원인을 명확하게 설명하기는 어렵습니다.
더욱 획기적인 점은 연구자들이 실험 조건을 반복적으로 추론하면서 이전에는 종종 무시되었던 요소, 즉 진공 챔버 내 잔류 공기의 영향을 발견했다는 것입니다. 설계에 따르면 간섭을 최대한 없애기 위해서는 완벽에 가까운 진공 환경에서 실험을 진행해야 하는데, 연구팀은 가스를 어떻게 펌핑하더라도 용기 안에는 항상 소량의 가스가 남아 소위 '진공압력'이 형성된다는 사실을 발견했다.
이 잔류 가스는 실험 장치에 극히 작은 힘을 가하여 최종 측정된 G 값에 영향을 미칩니다. 그러나 이 효과는 이전의 많은 실험 분석에 체계적으로 포함되지 않았습니다. 슈람밍거는 이번 발견이 다양한 실험에서 도출된 G값이 오랫동안 일관되지 않았던 이유를 설명하는 데 도움이 될 것으로 기대되지만 아직 결론을 내리기에는 이르다고 지적했다. 또한, 각 실험계획을 하나씩 검토하여 잔류가스 등 세부사항을 어떻게 처리하는지 검증하는 것도 필요하다.
Schramminger는 새로운 결과와 기존에 인정된 값의 차이에 대해 이야기하면서 팀이 현재 단일 요인이 아닌 여러 누적 효과의 중첩에서 비롯될 수 있다고 믿는 경향이 있다고 말했습니다. 그러나 어떤 효과와 각각의 가중치가 아직 정확하게 해체되지는 않은 상태이다. 관련 연구 논문은 계측 분야 저널인 Metrologia에 게재되었으며 독립적인 사실 확인을 거쳤습니다.
이 작업은 중력 상수에 대한 논쟁을 종식시키지는 못했지만 문제의 복잡성을 명확하게 보여주었습니다. 10년이 걸렸고 동일한 장치를 재사용하고 다른 실험실에서 신중하게 작업했지만 최종 G 값은 여전히 이전 결과와 크게 달랐습니다. 과학계의 관점에서 이는 좌절이자 동기 부여입니다. 이는 연구자들이 이 "가장 친숙하고 익숙하지 않은" 자연 상수를 완전히 이해하려면 점점 더 자세한 실험, 장기적인 지속성 및 보다 정확한 오류 식별 기능이 필요하다는 점을 상기시켜 줍니다.