Ruimtelijk-geresolveerde meting van atmosferische turbulentie met tweedimensionale orbitaal-impulsmoment-spectroscopie

Waarom de lucht ons licht kan verstoren

Telkens wanneer een lichtbundel een lange afstand door lucht aflegt, wordt ze zachtjes geschud door pockets met warme en koude lucht. Voor technologieën die data of beelden door de lucht verzenden met licht in plaats van radio, kunnen deze onzichtbare rimpels het signaal vervagen, dimmen of verdraaien. Deze studie onderzoekt een nieuwe manier om die rimpels in detail af te lezen, door zorgvuldig gevormde lichtbundels en moderne patroonherkenningstools te gebruiken om de lucht zelf tot een meetbaar object te maken.

Licht met een ingebouwde draai

In plaats van eenvoudige zaklamp-achtige bundels richten de onderzoekers zich op zogenaamde vortex-bundels, waarvan de lichtgolven als een kurkentrekker omheen spiralen. Ze geven deze bundels een extra gerande structuur, vergelijkbaar met rimpels in een vijver, door een type bundel te gebruiken dat Bessel–Gaussian heet. Elke ring is gevoelig voor een ander bereik van draaiende luchtstructuren langs het pad. Wanneer deze gedraaide, gerande bundel door turbulente lucht gaat, duwt de willekeurige structuur van de lucht delen van het licht in nieuwe spiraalpatronen. De manier waarop energie zich over die spiralen verspreidt bevat een verborgen verslag van de lucht waar de bundel doorheen is gegaan.

Van een enkele getallenreeks naar een volledig beeld

Eerdere methoden persten al dit gedrag in een eendimensionaal spectrum: een enkele lijst die samenvatte hoeveel licht er uiteindelijk in elk spiraalpatroon terechtkwam. Hoewel dat compact en eenvoudig te berekenen is, gaat daarmee verloren waar in het bundeldoorsnede die verstoring plaatsvond. De nieuwe aanpak houdt zowel het spiraalpatroon als de afstand vanaf het centrum bij. De bundel wordt in een reeks dunne ringen gesneden, en voor elke ring meet het team hoe het licht onder de spiraalpatronen is verdeeld. Het resultaat is een tweedimensionale kaart die laat zien hoe de kern en de buitenste ringen van de bundel verschillend reageren op dezelfde luchtlaag.

Machines laten de lucht lezen

Deze rijkere kaart wordt vervolgens aan een support vector machine gegeven, een veelgebruikt type machine-learningalgoritme dat leert verschillende situaties van elkaar te onderscheiden. In duizenden gesimuleerde vluchten door woelige lucht varieerde het team twee sleutelkenmerken van turbulentie: de sterkte en het aantal kleine wervelingen. Elke gesimuleerde reis produceerde een tweedimensionale kaart van de verstoorde bundel, en het algoritme leerde deze kaarten te koppelen aan de onderliggende luchtcondities. Vergeleken met de oudere eendimensionale methode stelde het nieuwe tweedimensionale beeld het algoritme in staat 25 verschillende turbulentiegevallen te onderscheiden met een typische succeskans van ongeveer 86 procent, een verbetering van ongeveer een kwart in nauwkeurigheid.

Ringen afstemmen voor de duidelijkste uitlezing

De studie onderzoekt ook hoe je de meeste bruikbare informatie met de minste inspanning krijgt. Meer ringen rond de bundel toevoegen en naar een bredere reeks spiraalpatronen kijken, verbetert doorgaans de prestatie, maar slechts tot op zekere hoogte. De binnenste ringen bevatten het grootste deel van het betekenisvolle signaal, terwijl de zwakke buitenranden gemakkelijk door ruis worden overstemd. Door selectief de meest rumoerige buitenste ringen te negeren behoudt het team een hoge nauwkeurigheid, zelfs wanneer de ontvangende camera groter is dan de bundel of wanneer de beeldresolutie verminderd is. Ze vinden dat een handvol ringen en een matige spreiding van spiraalpatronen voldoende is om het grootste deel van het voordeel vast te leggen, wat de weg wijst naar praktische systemen die snel kunnen werken.

Wat dit betekent voor systemen in de echte wereld

In eenvoudige woorden toont het werk dat het bekijken van hoe een gepatroneerde lichtbundel verstoor d wordt, zowel ruimtelijk als in zijn draaiende patroon, ons in staat stelt de structuur van turbulente lucht veel duidelijker te „voelen”. In plaats van de atmosfeer als een wazige hindernis te behandelen, werkt deze methode uit hoe verschillende delen van de bundel worden beïnvloed en laat een algoritme dat vertalen naar zinvolle maten voor turbulentiesterkte en -schaal. Hoewel de resultaten uit computerexperimenten komen, sluiten ze natuurlijk aan op bestaande optische opstellingen die zowel helderheid als golfvorm kunnen vastleggen. Op de lange termijn kan zulke gedetailleerde detectie toekomstige vrije-ruimte-communicatielinks, telescopen en remote-sensing-systemen helpen zich in realtime aan een onrustige hemel aan te passen, zodat hun signalen scherper en betrouwbaarder blijven.

Bronvermelding: 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

Trefwoorden: atmosferische turbulentie, gestructureerd licht, orbitaal impulsmoment, vrije-ruimte-optica, machine learning detectie