[태그:] 우주과학

  • 우주선 부품은 어디로 사라지나 — 화성 착륙선 로봇팔이 50년째 실종 중

    우주선 부품은 어디로 사라지나 — 화성 착륙선 로봇팔이 50년째 실종 중

    1976년 여름, 바이킹 1호가 화성 표면에 내려앉았다. 로봇팔로 흙을 퍼 담았고, 이 설계는 이후 모든 화성 탐사선 샘플러의 원형이 됐다. 그런데 당시 지상 시험에 쓰였던 실물 팔 하나, 지금 어디 있는지 아무도 모른다. 50년째다. Ars Technica 보도에 의하면 NASA 아카이브 어디를 뒤져도 이 부품이 마지막으로 어디로 갔는지 기록이 없다고 한다. 우주 하드웨어 한 점이 이렇게 통째로 증발할 수 있다니, 우주 탐사사에 관심 있는 사람이라면 궁금하지 않을 수 없는 얘기다.

    부품은 왜 흔적도 없이 사라지나

    이유는 의외로 단순하다. 발사체나 착륙선 자체는 국가 자산으로 빡빡하게 관리된다. 반면 지상에서만 쓰인 시험용 장비나 예비 부품은 취급 기준이 헐겁다. 프로젝트가 끝나면 담당 부서가 해체되고, 창고를 옮기거나 기관이 통폐합되는 와중에 목록조차 남기지 않은 채 폐기되거나 다른 손으로 넘어간다. 1970~80년대엔 디지털 자산관리 시스템이란 게 아예 없었다. 종이 문서와 사람 기억에 의존했던 시절이라, 담당자가 은퇴하거나 세상을 뜨면 그 부품의 이력도 같이 끊긴다.

    엔지니어링 모델과 플라이트 모델, 뭐가 다른가

    이 이야기를 제대로 이해하려면 우주 하드웨어 등급부터 짚고 가야 한다.

    • 플라이트 모델(Flight Model) — 실제로 우주로 올라가는 진짜 기체. 발사 후엔 대부분 지구로 돌아오지 않는다.
    • 엔지니어링 모델(Engineering Model) — 지상에서 기능을 검증하려고 만든 실물 크기 시험 장비. 비행은 안 하지만 설계 검증, 고장 대응 훈련, 언론 시연용으로 두고두고 쓰인다.
    • 예비품(Spare/Backup) — 발사 직전까지 대기하다가, 임무에 문제가 생기면 바로 투입할 수 있게 준비해 둔 여분 기체.

    바이킹 로봇팔 미스터리의 주인공이 바로 이 엔지니어링 모델이다. 우주엔 간 적 없지만 설계는 실제 비행 모델과 똑같다. 역사적 가치는 오히려 더 크게 쳐주는 경우도 있다.

    NASA는 퇴역 장비를 어떻게 굴리나

    NASA는 임무 끝난 하드웨어를 크게 세 갈래로 나눠 처리한다. 역사적 가치가 큰 물건은 스미소니언 국립항공우주박물관 같은 곳에 정식 기증한다. 교육·홍보용으로 쓸 만하면 대학이나 과학관에 대여 형태로 넘긴다. 나머지는 창고에 묵혀두다가 예산이나 공간이 부족해지면 조용히 폐기하는 수순을 밟는다. 문제는 이 세 갈래 중 정확히 어디로 갔는지 기록이 안 남는 경우가 적지 않다는 거다. 1960~80년대 초창기 임무는 자산관리 규정 자체가 지금처럼 촘촘하지 않았다.

    사라진 유물, 결국 어디로 흘러가나

    공식 기록에서 빠졌다고 유물이 통째로 사라지는 건 아니다. 상당수는 은퇴한 엔지니어 차고, 계약업체 창고, 심지어 경매 시장으로 흘러 들어간다. 소더비(Sotheby’s) 같은 경매소에서 아폴로 시대 부품이 개인 소장품으로 낙찰되는 사례, 꾸준히 나온다. 우주 역사 연구자들이 낡은 사진이나 계약 문서, 참여 엔지니어의 증언까지 뒤지며 부품 하나의 행방을 쫓는 이유가 여기에 있다. 공식 아카이브만으로는 퍼즐이 안 맞춰진다.

    비슷한 사례들 — 잃어버렸다가 다시 나타난 것들

    이런 일, 처음이 아니다.

    • 아폴로 11호 달 착륙선 하강 엔진 일부는 수십 년간 행방불명이었다가 개인 수집가 창고에서 발견됐다.
    • 초기 머큐리 계획 우주복 시제품은 계약업체가 파산하는 와중에 자산 목록에서 통째로 빠졌다.
    • 제미니 계획 훈련용 캡슐은 한때 놀이공원 전시품으로 쓰이다가, 뒤늦게야 정체가 밝혀졌다.

    패턴은 비슷하다. 담당 기관이 사라지거나 조직이 개편될 때, 그리고 디지털화 이전 시대 문서일 때 유물의 행방이 끊길 확률이 확 높아진다.

    직접 확인해보고 싶다면

    우주 역사에 관심이 생겼다면 이렇게 확인해볼 수 있다.

    • 스미소니언 국립항공우주박물관 온라인 컬렉션에서 소장품 목록과 사진을 검색해본다.
    • NASA 이미지·비디오 라이브러리에서 임무 당시 찍힌 하드웨어 사진과 비교해본다.
    • 지역 과학관이나 대학 박물관에 걸린 우주 장비 명판을 유심히 읽어본다. 의외로 진짜 엔지니어링 모델인 경우가 많다.
    • 경매 기록 다루는 우주 수집품 전문 사이트에서 출처(provenance) 정보를 확인한다.

    부품 하나 이력을 추적하는 작업, 우주 탐사 자체만큼이나 손이 많이 간다. 그래도 그 과정에서 반세기 전 엔지니어들이 손으로 직접 조립했던 기계의 이야기가 다시 세상 밖으로 나온다는 점, 이건 확실히 매력적이다.

    출처: Ars Technica

  • 암흑물질, 수십 년째 못 찾고 있다 — WIMP부터 지하 2,400m 검출기까지

    암흑물질, 수십 년째 못 찾고 있다 — WIMP부터 지하 2,400m 검출기까지

    지하 2,400m. 중국 쓰촨성 진핑산 깊은 곳에 실험실이 있다. 수십 톤의 액체 제논이 채워진 탱크가 텅 빈 듯한 공간에서 신호를 기다린다. 이탈리아 아페닌 산맥 아래 1,400m에도, 미국 사우스다코타의 폐금광 안에도 같은 장면이 펼쳐진다. 목표는 하나다. 암흑물질(Dark Matter)을 잡는 것.

    우주에 존재하는 물질의 약 85%는 눈에 보이지 않는다. 빛을 내지도, 반사하지도 않는다. 그러면서 은하의 회전 속도를 좌우하고, 우주 거대 구조 전체를 빚어왔다. 물리학자들은 이것을 암흑물질이라고 부르는데—찾기 시작한 지 수십 년이 됐는데도 아직 실물을 본 사람이 없다.

    은하가 ‘이상하게’ 돈다는 것에서 시작된 추적

    처음 이 문제를 건드린 건 1930년대 스위스 천문학자 프리츠 츠비키였다. 은하단 안의 은하들이 이론값보다 훨씬 빠르게 움직인다는 걸 발견했는데, 계산상으로는 중력이 부족해 진작에 흩어졌어야 할 구조가 멀쩡히 뭉쳐 있었다. 뭔가 보이지 않는 게 추가 중력을 공급한다는 결론이 나온 배경이다.

    1970년대, 천문학자 베라 루빈이 결정적 증거를 추가했다. 나선 은하의 바깥쪽 별들이 안쪽 별들과 거의 같은 속도로 공전한다는 것. 태양계처럼 중심에 질량이 몰린 구조라면 바깥쪽은 훨씬 느려야 한다—행성들이 태양에서 멀수록 느리게 도는 것처럼. 뭔가가 은하 외곽까지 퍼져 있으면서 중력을 행사하고 있다는 뜻이다. 이게 암흑물질 헤일로(Halo) 개념의 출발점이다.

    현재 우주론의 표준 모델(ΛCDM)이 그리는 우주 구성은 이렇다:

    • 일반 물질(원자 등): 약 5%
    • 암흑물질: 약 27%
    • 암흑에너지: 약 68%

    우리가 보고, 만지고, 감지할 수 있는 물질은 전체의 5%. 우주의 95%는 정체 불명이다. 이렇게 놓고 보면 우리가 우주를 ‘이해한다’고 말하는 게 민망할 수준이긴 하다.

    암흑물질 후보들 — WIMP, 액시온, 원시 블랙홀

    암흑물질이 뭔지는 아직 모른다. 후보만 여럿이다.

    WIMP(약한 상호작용을 하는 무거운 입자)는 수십 년간 가장 유력한 후보였다. 일반 물질과 거의 상호작용하지 않지만, 극히 드물게 원자핵과 충돌한다는 이론 덕분에 검출 가능성이 열려 있다. 지하 액체 제논 검출기들이 주로 노리는 게 바로 이 WIMP다.

    액시온(Axion)은 WIMP보다 훨씬 가벼운 가상 입자다. 강한 자기장과 상호작용해 광자로 변환될 수 있다는 예측이 있어서, 완전히 다른 방식의 검출기가 필요하다. 미국의 ADMX 실험이 대표 사례인데, WIMP와 액시온은 검출 방식부터 달라서 사실상 별개의 수색 작전이다.

    원시 블랙홀(Primordial Black Hole)은 빅뱅 직후 생성됐을 것으로 추정되는 소형 블랙홀이다. 흥미로운 후보이긴 한데 중력파 관측 데이터와 일부 충돌하는 문제가 있어서, 이건 좀 논란이 있는 편이다.

    최근 분위기는 미묘하게 바뀌고 있다. WIMP가 예상보다 훨씬 약하게 일반 물질과 상호작용하거나, 아예 다른 형태로 존재할 가능성도 진지하게 검토 중이다. 수십 년 수색에도 안 잡히니까 이론 공간이 자연스럽게 넓어진 셈이다.

    왜 굳이 지하로 내려가나

    이유는 단순하다. 지표면에는 우주에서 쏟아지는 뮤온(muon)과 각종 방사선이 넘쳐난다. 이것들이 검출기에 잡히면 암흑물질 신호와 구분이 안 된다. 배경 잡음이 너무 많아서 정작 찾는 신호가 묻혀버리는 거다.

    암석 1km는 우주선(宇宙線) 뮤온 플럭스를 수백만 분의 일 수준으로 줄여준다. 깊을수록 배경 잡음이 줄고, 더 희미한 신호를 잡을 여지가 생긴다. 중국 진핑산 지하 2,400m의 CJPL(중국 진핑 지하 실험실)이 현재 세계에서 가장 깊은 암흑물질 실험실 중 하나다.

    이탈리아 그란 사소 연구소(LNGS)는 아페닌 산맥 아래 1,400m에서 XENONnT 실험을 돌리고 있고, 미국 사우스다코타의 옛 홈스테이크 금광에는 LUX-ZEPLIN(LZ) 검출기가 설치돼 있다. 이 세 곳이 현재 직접 탐색의 최전선이다.

    액체 제논 검출기, 어떻게 작동하나

    지금 가장 앞선 검출기들은 수십 톤의 액체 제논을 쓴다. 왜 제논이냐면—화학적으로 거의 반응하지 않고, 방사성 오염이 없고, 입자가 충돌할 때 빛과 전자를 동시에 방출하는 성질이 있기 때문이다. 검출기 재료로는 꽤 이상적인 조건이다.

    작동 원리는 이렇다:

    • 암흑물질 입자가 제논 원자핵과 충돌하면 아주 작은 에너지가 전달된다
    • 그때 발생하는 섬광(빛)과 이온화 전자를 탱크 주변 광센서가 잡아낸다
    • 빛과 전자의 비율을 분석해 어떤 입자가 충돌했는지 구분한다
    • 전자 반동(배경 방사선)과 핵 반동(암흑물질 후보)을 이 방식으로 걸러낸다

    LZ 검출기의 활성 제논 질량은 약 10톤, XENONnT는 약 8.6톤이다. 다음 세대 실험인 XLZD 컨소시엄은 40~60톤 규모를 검토 중이다. 탱크가 클수록 충돌 확률이 높아지니—규모 경쟁이 계속되는 이유다.

    AI가 데이터 분석에 뛰어든 이유

    수십 톤의 제논에서 하루에 발생하는 이벤트는 수백만 건이다. 암흑물질로 인한 이벤트는—만약 존재한다면—1년에 몇 건 수준일 수도 있다. 이 비율을 사람 손으로 걸러낸다는 건 애초에 불가능한 스케일이다.

    그래서 머신러닝과 딥러닝이 들어왔다. 그래프 신경망(GNN) 같은 구조가 입자 충돌 패턴 분류에 효과적임이 입증되면서 암흑물질 실험 데이터 분석에도 본격 도입됐다. AI 모델은 수백 가지 특성을 동시에 학습해 배경 이벤트와 신호 후보를 구분하는 정확도를 크게 끌어올린다.

    AI 역할이 커질수록 새로운 문제도 생긴다. “모델이 신호를 찾았다”는 주장의 신뢰성을 어떻게 검증하느냐는 거다. 검출기 물리학과 AI 해석 가능성(XAI)이 교차하는 지점인데, 솔직히 이 부분은 아직 답이 나오지 않았다.

    수십 년째 못 찾고 있다 — 이론이 틀린 건 아닐까

    WIMP를 향한 수색은 1980년대부터 시작됐다. 수십 년이 지나도 직접 검출에 실패하자, 물리학계 일부에서 암흑물질 패러다임 자체를 재검토해야 하는 것 아니냐는 목소리가 나오기 시작했다. 이 의심은 나름 합리적이다.

    대안 이론 중 가장 잘 알려진 건 MOND(수정 뉴턴 역학)다. 중력이 약해지는 환경에서 뉴턴 역학을 수정하면 암흑물질 없이도 은하 회전 곡선을 설명할 수 있다는 주장인데—총알 은하단 같은 은하단 충돌 관측에서는 MOND 설명이 맞지 않고, 암흑물질 해석이 훨씬 자연스럽다. 지금까지는 암흑물질 쪽이 더 넓은 현상을 설명한다는 게 중론이다.

    WIMP 검출 실패가 “암흑물질이 없다”는 뜻은 아니다. WIMP가 예상보다 훨씬 약하게 일반 물질과 상호작용하거나, 아직 생각지 못한 형태로 존재할 수 있다. 실패한 실험도 “이 구간에는 없다”는 정보를 준다는 점에서 과학적으로 의미가 있다—탐색 범위를 좁히는 것도 수색이니까.

    찾으면 뭐가 달라지나

    암흑물질 직접 검출은 노벨상 하나로 끝날 문제가 아니다. 표준 모델 너머의 새 입자 물리학이 열린다. 현재 입자물리학의 표준 모델은 실험에서 관측된 모든 입자를 설명하지만, 암흑물질 후보 입자는 그 안에 없다. 검출에 성공하면 표준 모델이 확장되거나 교체되는 근거가 된다.

    실용적인 가능성도 무시하기 어렵다. 새로운 상호작용 메커니즘이나 입자가 발견되면 에너지·통신·의료 분야에서 예측 불가능한 응용이 나올 여지가 있다. 핵분열이 발견됐을 때 핵발전과 핵폭탄을 예상한 사람이 드물었던 것처럼—새로운 물리학이 무엇을 가져올지는 지금 가늠하기 어렵다.

    결정적으로 이 문제의 무게는 숫자에 있다. 우주 전체 질량-에너지의 27%를 차지하는 무언가의 정체를 모른다는 건, 우리가 우주를 얼마나 피상적으로 이해하고 있는지 보여주는 지표다. 지하 실험실에서 벌어지는 이 탐색은 그 빈칸을 채우는 작업이다. 언제 채워질지는 모르겠지만.

    출처: MIT Tech Review AI