Detecção espacialmente resolvida da turbulência atmosférica com espectroscopia bidimensional do momento angular orbital

Por que o ar pode embaralhar nossos sinais de luz

Sempre que um feixe de luz atravessa um longo trecho de ar, ele é discretamente agitado por bolsões de ar quente e frio. Para tecnologias que transmitem dados ou imagens pelo céu usando luz em vez de rádio, essas ondulações invisíveis podem borrar, escurecer ou torcer o sinal. Este estudo explora uma nova maneira de ler essas ondulações em detalhes finos, usando feixes de luz cuidadosamente moldados e ferramentas modernas de reconhecimento de padrões para transformar o próprio ar em um objeto mensurável.

Luz com uma torção incorporada

Em vez de usar feixes simples, parecidos com lanternas, os pesquisadores se concentram nos chamados feixes vórtice, cujas ondas de luz espiralam como um saca-rolhas. Eles adicionam a esses feixes uma estrutura em anéis, semelhante a ondulações em um lago, empregando um tipo de feixe chamado Bessel–Gaussian. Cada anel é sensível a uma faixa diferente de tamanhos de redemoinhos ao longo do caminho. Quando esse feixe torcido e em anéis atravessa ar turbulento, a estrutura aleatória do ar empurra partes da luz para novos padrões espirais. A forma como a energia se espalha entre esses espirais contém um registro oculto do ar que atravessou.

De uma linha numérica única para um quadro completo

Métodos anteriores comprimiam todo esse comportamento em um espectro unidimensional: uma lista única que resumiria quanto da luz acabou em cada padrão espiral no total. Embora seja compacto e fácil de calcular, isso descarta onde, na seção transversal do feixe, esse embaralhamento ocorreu. A nova abordagem acompanha tanto o padrão espiral quanto a distância do centro onde ele ocorreu. O feixe é fatiado em um conjunto de anéis finos e, para cada anel, a equipe mede como a luz foi embaralhada entre padrões espirais. O resultado é um mapa bidimensional que mostra como o núcleo e os anéis externos do feixe respondem de maneira diferente ao mesmo trecho de ar.

Deixando as máquinas lerem o ar

Esse mapa mais rico é então entregue a uma máquina de vetores de suporte (support vector machine), um tipo comum de algoritmo de aprendizado de máquina que aprende a diferenciar situações. Em milhares de voos simulados por um ar agitado, a equipe variou dois ingredientes-chave da turbulência: sua intensidade e quantos redemoinhos pequenos ela continha. Cada simulação produziu um mapa bidimensional do feixe embaralhado, e o algoritmo aprendeu a associar esses mapas às condições do ar subjacentes. Em comparação com o método unidimensional anterior, a nova visão bidimensional permitiu ao algoritmo distinguir entre 25 casos diferentes de turbulência com uma taxa de sucesso típica de cerca de 86%, melhorando a precisão em aproximadamente um quarto.

Ajustando os anéis para a leitura mais clara

O estudo também investiga como obter a informação mais útil com o mínimo de esforço. Adicionar mais anéis ao redor do feixe e observar uma gama mais ampla de padrões espirais tende a melhorar o desempenho, mas apenas até certo ponto. Os anéis internos carregam a maior parte do sinal significativo, enquanto as regiões externas fracas são facilmente encobertas pelo ruído. Ao ignorar seletivamente os anéis externos mais ruidosos, a equipe mantém alta precisão mesmo quando a câmera receptora é maior que o feixe ou quando a resolução da imagem é reduzida. Eles constataram que apenas um punhado de anéis e uma dispersão moderada de padrões espirais são suficientes para capturar a maior parte do benefício, apontando para sistemas práticos que podem operar rapidamente.

O que isso significa para sistemas do mundo real

Em termos simples, o trabalho mostra que observar como um feixe de luz padronizado é perturbado no espaço, além de seu padrão de torção, nos permite “sentir” a estrutura do ar turbulento com muito mais clareza. Em vez de tratar a atmosfera como um obstáculo borrado, esse método separa como diferentes partes do feixe são afetadas e permite que um algoritmo traduza isso em medidas significativas de intensidade e escala da turbulência. Embora os resultados venham de experimentos computacionais, eles se encaixam naturalmente em montagens ópticas existentes que podem registrar tanto o brilho quanto a forma de onda. A longo prazo, esse sensoriamento detalhado pode ajudar futuros enlaces de comunicação em espaço livre, telescópios e sistemas de sensoriamento remoto a se adaptarem em tempo real a um céu instável, mantendo seus sinais mais nítidos e confiáveis.

Citação: 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

Palavras-chave: turbulência atmosférica, luz estruturada, momento angular orbital, ótica em espaço livre, sensoriamento por aprendizado de máquina