Räumlich aufgelöste Messung atmosphärischer Turbulenz mit zweidimensionaler Spektroskopie des orbitalen Drehimpulses

Warum die Luft unsere Lichtsignale durcheinanderbringen kann

Immer wenn ein Lichtstrahl eine längere Strecke durch Luft zurücklegt, wird er unmerklich von Taschen warmer und kühler Luft gestoßen. Für Technologien, die Daten oder Bilder mit Licht statt mit Funkwellen durch den Himmel senden, können diese unsichtbaren Wellen das Signal verwischen, dimmen oder verdrehen. Diese Studie untersucht eine neue Methode, diese Wellen in feinem Detail zu lesen, indem gezielt geformte Lichtstrahlen und moderne Mustererkennungswerkzeuge genutzt werden, um die Luft selbst messbar zu machen.

Licht mit eingebautem Dreh

Statt einfacher, taschenlampenähnlicher Strahlen konzentrieren sich die Forschenden auf sogenannte Wirbelstrahlen, deren Lichtwellen sich wie eine Korkenzieherspirale winden. Sie versehen diese Strahlen zusätzlich mit einer ringförmigen Struktur, ähnlich den Wellen auf einem Teich, indem sie einen Bessel–Gauss-Strahl verwenden. Jeder Ring reagiert auf einen anderen Bereich swirlender Luftgrößen entlang des Weges. Wenn dieser verdrehte, ringförmige Strahl durch turbulente Luft läuft, drückt die zufällige Struktur der Luft Teile des Lichts in neue Spiralformen. Die Art und Weise, wie sich die Energie unter diesen Spiralmustern verteilt, enthält ein verborgenes Protokoll der durchquerten Luft.

Von einer einzigen Zahlenreihe zu einem vollständigen Bild

Frühere Methoden pressten dieses Verhalten in ein eindimensionales Spektrum: eine einzelne Liste, die zusammenfasste, wie viel Licht insgesamt in jedem Spiralmodus landete. Das ist kompakt und leicht zu berechnen, verwirft jedoch die Information, an welcher Stelle im Strahlquerschnitt das Durcheinander stattfand. Der neue Ansatz verfolgt sowohl das Spiralmodus- als auch das Abstandskriterium vom Zentrum. Der Strahl wird in eine Reihe dünner Ringe aufgeteilt, und für jeden Ring misst das Team, wie das Licht zwischen Spiralmodi verteilt wurde. Das Ergebnis ist eine zweidimensionale Karte, die zeigt, wie Kern- und Außenringe des Strahls unterschiedlich auf dasselbe Luftfeld reagieren.

Die Luft von Maschinen lesen lassen

Diese reichhaltigere Karte wird dann an eine Support-Vektor-Maschine übergeben, eine gängige Art von Algorithmus im maschinellen Lernen, der lernt, verschiedene Situationen zu unterscheiden. In Tausenden simulierten Flügen durch unruhige Luft variierten die Forschenden zwei Schlüsselgrößen der Turbulenz: ihre Stärke und den Anteil kleiner Wirbel. Jede Simulation erzeugte eine zweidimensionale Karte des durcheinandergebrachten Strahls, und der Algorithmus lernte, diese Karten mit den zugrunde liegenden Luftbedingungen zu verknüpfen. Verglichen mit der älteren eindimensionalen Methode erlaubte die neue zweidimensionale Betrachtung dem Algorithmus, zwischen 25 verschiedenen Turbulenzfällen mit einer typischen Trefferquote von etwa 86 Prozent zu unterscheiden, eine Verbesserung der Genauigkeit um rund ein Viertel.

Ringe abstimmen für die klarste Auslese

Die Studie fragt außerdem, wie man mit möglichst wenig Aufwand die nützlichsten Informationen erhält. Mehr Ringe um den Strahl und eine größere Bandbreite an Spiralmodi verbessern tendenziell die Leistung, aber nur bis zu einem Punkt. Die inneren Ringe tragen den Großteil des aussagekräftigen Signals, während die schwachen Außenbereiche leicht vom Rauschen überdeckt werden. Indem die Forschenden die rauschärmsten äußeren Ringe selektiv ignorieren, bleibt die Genauigkeit hoch, selbst wenn die empfangende Kamera größer als der Strahl ist oder die Bildauflösung reduziert wird. Sie stellen fest, dass bereits eine Handvoll Ringe und eine moderate Streuung der Spiralmodi ausreichen, um den größten Teil des Nutzens zu erfassen, was den Weg zu praktischen Systemen mit schneller Verarbeitung weist.

Was das für reale Systeme bedeutet

Kurz gesagt zeigt die Arbeit, dass die Untersuchung, wie ein gemusterter Lichtstrahl im Raum sowie in seinem Drehmuster gestört wird, es uns erlaubt, die Struktur turbulenter Luft viel klarer zu „fühlen“. Anstatt die Atmosphäre als ein einziges verschwommenes Hindernis zu behandeln, knüpft diese Methode auseinander, wie unterschiedliche Teile des Strahls betroffen sind, und lässt einen Algorithmus das in sinnvolle Maße von Turbulenzstärke und -skala übersetzen. Obwohl die Ergebnisse aus Computersimulationen stammen, passen sie natürlich zu existierenden optischen Aufbauten, die sowohl Helligkeit als auch Wellenform aufzeichnen können. Langfristig könnte eine solche detaillierte Sensorik künftigen freien Raumkommunikationsverbindungen, Teleskopen und Fernerkundungssystemen helfen, sich in Echtzeit an einen unruhigen Himmel anzupassen und ihre Signale schärfer und zuverlässiger zu halten.

Zitation: Jiang, W., Cheng, M., Guo, L. et al. Spatially-resolved atmospheric turbulence sensing with two-dimensional orbital angular momentum spectroscopy. Commun Phys 9, 159 (2026). https://doi.org/10.1038/s42005-026-02587-7

Schlüsselwörter: atmosphärische Turbulenz, strukturiertes Licht, orbitaler Drehimpuls, Funklichtübertragung durch den freien Raum, maschinelles Lernen für Sensorik