[논문 리뷰] Search for variability in Newton's constant using local gravitational acceleration measurements

Srinikitha Bhagvati, S. Desai|arXiv (Cornell University)|2021. 08. 11.

Geophysics and Gravity Measurements참고 문헌 19인용 수 7

한 줄 요약

이 연구는 IGETS의 국지적 중력 가속도 측정값을 재분석하여 뉴턴의 만유인력상수 G의 시간에 따른 변동성을 탐색하며, 측정 오차와 내재된 산란을 고려한다. χ² 및 정보이론적 방법(AIC/BIC)을 사용하여 주기성에 대한 유의미한 증거는 발견되지 않았지만, 알려지지 않은 체계적 오차를 고려할 경우 일정한 값보다 선형적인 G의 변화가 약간 더 유리하다고 판단되며, 이는 이전 연구 대비 제약 조건을 두 배로 강화한다.

ABSTRACT

In a recent work, Dai (arXiv:2103.11157) searched for a variability in Newton's constant $G$ using the IGETS based gravitational acceleration measurements. However, this analysis, obtained from $\chi^2$ minimization, did not incorporate the errors in the gravitational acceleration measurements. We carry out a similar search with one major improvement, wherein we incorporate these aforementioned errors. To model any possible variation in the gravitational acceleration, we fit the data to four models: a constant value, two sinusoidal models, and finally, a linear model for the variation of gravitational acceleration. We find that none of the four models provides a good fit to the data, showing that there is no evidence for a periodicity or a linear temporal variation in the acceleration measurements. We then redid these analyses after accounting for an unknown intrinsic scatter. After this, we find that although a constant model is still favored over the sinusoidal models, the linear variation for $G$ is marginally preferred over a constant value, using information theory-based methods.

연구 동기 및 목표

• 국지적 중력 가속도 측정값을 활용해 뉴턴의 만유인력상수 G의 시간적 변동성을 재해석하는 것.
• 이전 연구(Dai 2021)에서 忽略된 δg/ḡ의 측정 오차를 포함하는 것.
• 불확실성 포함 시 모형의 적합도와 모형 매개변수의 강건성을 평가하는 것.
• 데이터의 알려지지 않은 내재된 산란이 주기적 및 선형 변화 모형의 선호도에 영향을 미치는지 테스트하는 것.
• 정보기준(AIC/BIC)을 활용해 오차를 고려한 더 엄밀하고 체계적인 G 변동성 평가를 제공하는 것.

제안 방법

• 상수, 두 가지 삼각함수 형태(sine+cosine 및 단일 위상 이동 코사인), 선형 시간 진동 모형의 네 가지 모형을 IGETS δg/ḡ 데이터에 피팅.
• 측정 오차 σi를 포함한 우도 함수를 사용하고, emcee 패키지를 활용한 마르코프 체인 몬테카를로(MCMC) 샘플링을 통한 χ² 최소화.
• 모형 매개변수에 균일한 사전분포를 적용(예: ω ∈ [0.55, 45.92] rad/yr로 앨리어싱 방지), 진폭 및 오프셋에 제약 조건 설정.
• 모델링되지 않은 체계적 오차를 고려하기 위해 알려지지 않은 내재된 산란 σscatter 를 도입한 후 분석을 재수행.
• 상수 모형 대비 시간에 따라 변하는 모형의 상대적 지지를 평가하기 위해 AIC 및 BIC를 활용한 모형 비교 수행.
• 모든 분석 코드를 GitHub에 공개하여 재현 가능성을 확보.

실험 결과

연구 질문

• RQ1 δg/ḡ에 대한 측정 오차를 포함했을 때, 이전 연구와 비교해 G 변동성에 대한 결론이 유의미하게 달라지는가?
• RQ2 이전에 주장한 5.9년 주기의 G 주기적 변동성이 실제로 존재하는가?
• RQ3 측정 불확실성을 적절히 고려할 경우, 선형 시간 진동 모형이 상수 모형보다 더 나은 피팅을 제공하는가?
• RQ4 알려지지 않은 내재된 산란이 존재할 경우, 모형 선택 및 매개변수 제약 조건에 어떤 영향을 미치는가?
• RQ5 측정 오차를 우도 함수에 포함했을 때, ˙G/G에 대한 제약 조건이 향상되는가?

주요 결과

• 측정 오차를 포함한 경우 χ²/dof > 20이므로 상수 모형은 기각되며, 오차를 포함한 데이터에 대해 적합한 피팅이 없음을 시사한다.
• 삼각함수 모형에서 5.9년 주기와 대응하는 ω에 대해 유의미한 피크가 발견되지 않았으며, 최적 피팅 진폭은 ≤ 2 × 10⁻⁹로 제약된다.
• 내재된 산란을 포함할 경우, 선형 모형이 상수 모형보다 약간 더 유리하다고 판단되며, ∆AIC = -4.3 및 ∆BIC = -0.4이다.
• ˙G/G에 대한 상한선은 < 2.14 × 10⁻¹⁰/year으로 제약되며, Dai (2021)의 결과보다 두 배로 강화되었다.
• 최적 피팅 내재된 산란은 보고된 측정 오차보다 약 2.8배 더 크며, 모델링되지 않은 체계적 오차를 시사한다.
• 내재된 산란이 없는 경우 모든 모형에서 빈약한 피팅(χ²/dof > 20)을 보이며, 산란을 포함한 경우 선형 모형이 약간 더 선호된다.