TurPy: a physics-based and differentiable optical turbulence simulator for algorithmic development and system optimization

Título do Trabalho

TurPy: Um simulador de turbulência óptica baseado em física e diferenciável para desenvolvimento de algoritmos e otimização de sistemas.

---

1. O Problema

O desenvolvimento de sistemas ópticos para aplicações em espaço livre (como comunicações ópticas e sensoriamento remoto) enfrenta desafios significativos devido à turbulência óptica. A turbulência induz flutuações no índice de refração do meio, distorcendo, fragmentando e refratando os feixes de luz, o que degrada o sinal.

Existem lacunas nas ferramentas de simulação atuais:

• Simuladores baseados em médias temporais: Utilizam soluções de forma fechada para efeitos agregados (como alargamento de feixe), mas falham em capturar distorções instantâneas da frente de onda, essenciais para o treinamento de algoritmos de aprendizado de máquina em regimes com dados limitados.
• Simuladores de óptica de onda numéricos: Capturam a física detalhada, mas têm custos computacionais elevados e muitas vezes não são diferenciáveis (não permitem o cálculo de gradientes para otimização end-to-end).
• Limitações de ferramentas existentes: Nenhuma ferramenta consolidada, até o momento, combina anisoplanatismo, geração de sub-harmônicos, correlação temporal e modelos de turbulência forte dentro de uma arquitetura acelerada por GPU e diferenciável, necessária para frameworks modernos de "Deep Optics" (otimização conjunta de elementos ópticos e algoritmos).

2. Metodologia

O trabalho apresenta o TurPy, um simulador de óptica de onda totalmente diferenciável e acelerado por GPU, construído sobre o framework PyTorch. A metodologia baseia-se em um modelo de passo dividido (split-step) aprimorado:

• Modelo de Passo Dividido: O campo óptico é propagado alternando entre um passo de difração (no espaço de Fourier, usando a função de transferência do espectro angular) e uma modulação no espaço real por uma tela de fase estatística.
• Geração de Telas de Fase:
  • As telas são geradas a partir de uma Densidade Espectral de Potência (PSD) específica do meio (atmosférico, oceânico ou biológico).
  • Sub-harmônicos: Para capturar efeitos de grande escala (escala externa) sem aumentar excessivamente o tamanho da grade de pixels, o TurPy utiliza um método recursivo de geração de sub-harmônicos, adicionando informações de baixa frequência abaixo da resolução nominal do espaço de Fourier.
  • Correlação Temporal (Autoregressão): Para simular ambientes dinâmicos (como ventos), o simulador utiliza uma abordagem autoregressiva. Ele aplica um "tilt" de fase no domínio de Fourier para simular a tradução (vento) e adiciona ruído branco ponderado para simular a reorganização das estruturas turbulentas, garantindo a decorrelação realista ao longo do tempo.
• Otimização Automática de Posicionamento de Telas: Um algoritmo automático posiciona as telas de fase ao longo do caminho de propagação para equilibrar duas restrições físicas:
  1. Evitar o aliasing no espaço de Fourier (limitando o tamanho do passo $\Delta z$).
  2. Manter a aproximação de espalhamento fraco (garantindo que a variância de Rytov por intervalo seja $< 1$).
• Otimização End-to-End: Por ser construído no PyTorch, o TurPy permite o rastreamento automático de gradientes, possibilitando a otimização de parâmetros ópticos a montante (como máscaras de fase) diretamente através da simulação de turbulência.

3. Principais Contribuições

• TurPy (Software): Um pacote de código aberto que unifica a geração de dados sintéticos de alta fidelidade com a otimização baseada em gradientes.
• Arquitetura Híbrida: Integração de geração de sub-harmônicos, evolução temporal autoregressiva e anisoplanatismo em uma única estrutura diferenciável.
• Generalização de Meios: A parametrização via PSD permite que o simulador seja adaptado para atmosferas, oceanos e meios biológicos com modificações mínimas.
• Validação Rigorosa: O simulador foi validado contra teorias estabelecidas de óptica atmosférica, demonstrando precisão de 98% em regimes de turbulência fraca a forte.

4. Resultados

Os autores validaram o TurPy através de duas abordagens principais:

• Validação Estatística (Física):

  • 2ª Ordem (Alargamento de Feixe): Simulação de feixes gaussianos mostrou concordância de 99,7% com modelos teóricos em turbulência fraca a moderada e dentro de 2,5% em turbulência forte.
  • 4ª Ordem (Cintilação): A simulação de cintilação de ondas planas reproduziu com precisão a transição entre regimes fracos e fortes, alcançando a saturação esperada. A precisão geral contra modelos de forma fechada foi de 98%.
  • O simulador recuperou corretamente a PSD de entrada a partir de médias de ensemble, confirmando a consistência estatística.

• Aplicação em Aprendizado de Máquina (D2NN):

  • O TurPy foi utilizado para treinar uma Rede Neural Difrativa Profunda (D2NN) de dupla domínio (duas máscaras de fase) para recuperar um feixe gaussiano degradado por turbulência.
  • Desempenho: A rede treinada conseguiu reduzir a cintilação em mais de 20 vezes em comparação com um receptor não compensado.
  • Eficiência: O treinamento foi concluído em 39 minutos em uma GPU Nvidia RTX 4090, demonstrando a viabilidade da otimização end-to-end.

5. Significado e Impacto

O TurPy representa um avanço significativo na área de óptica computacional e sistemas de espaço livre:

• Ponte entre Física e IA: Permite o design de sistemas ópticos onde os elementos físicos (como máscaras de fase) são otimizados diretamente para compensar distorções ambientais específicas, sem a necessidade de hardware ativo ou loops de feedback complexos.
• Geração de Dados Sintéticos: Oferece uma fonte confiável de dados de treinamento para algoritmos de aprendizado de máquina em cenários onde a coleta de dados de campo é impraticável ou cara.
• Versatilidade: Ao suportar diferentes meios (atmosférico, oceânico, biológico) e condições de coerência, o TurPy posiciona-se como uma ferramenta padrão para o desenvolvimento de tecnologias ópticas robustas e implantáveis.
• Acesso Aberto: A disponibilidade do código como open-source fomenta a pesquisa colaborativa e a reprodutibilidade na comunidade científica.

Em resumo, o TurPy preenche uma lacuna crítica ao fornecer um simulador de turbulência óptica que é simultaneamente fisicamente preciso, computacionalmente eficiente e compatível com as demandas de otimização de redes neurais modernas.