Automatización y scripting

1. ¿Por qué automatizar simulaciones?

Una vez que se ha configurado una estructura de dispositivo, el siguiente paso natural suele ser plantear preguntas como: “¿Qué ocurre con la eficiencia de mi célula solar si cambio la movilidad de la capa activa?” o “¿Cómo se desplaza la longitud de onda de emisión de mi láser si varío el espesor del pozo cuántico?” Responder a estas preguntas requiere cambiar sistemáticamente uno o más parámetros del material o del dispositivo a lo largo de un rango de valores y analizar los datos resultantes. La automatización también es igualmente importante para el ajuste y la extracción de parámetros. En muchos casos, el modelo se ajusta a mediciones experimentales—como una curva J–V medida—con el fin de extraer parámetros físicamente significativos (por ejemplo movilidades, tasas de recombinación o propiedades de contacto). Realizar estos ajustes manualmente es lento, propenso a errores y difícil de reproducir.

Más allá de los ajustes individuales, las simulaciones automatizadas hacen posible generar grandes conjuntos de datos consistentes variando parámetros o estructuras de dispositivos de forma controlada. Estos conjuntos de datos son cada vez más valiosos para el análisis estadístico y para entrenar modelos de aprendizaje automático, donde pueden requerirse miles o millones de simulaciones. En todos estos casos, la automatización proporciona una forma escalable y fiable de explorar espacios de diseño, extraer parámetros y obtener información sobre la física del dispositivo.

2. Ejemplos de automatización

OghmaNano ofrece varios enfoques para automatizar simulaciones, dependiendo de su nivel de experiencia en programación y de la complejidad de la tarea:

1. Ventana de barrido de parámetros: La ventana de barrido de parámetros permite variar uno o más parámetros en pasos utilizando la interfaz gráfica de usuario. No se requieren conocimientos de programación, lo que la hace ideal para estudios exploratorios rápidos. Este método cubre la mayoría de los casos de uso cotidianos en los que simplemente se desea ver cómo un parámetro influye en los resultados.

2. Scripting en Python: Para un control más detallado, OghmaNano admite scripting en Python. Python es de código abierto, ampliamente utilizado en computación científica y proporciona la máxima flexibilidad para automatizar grandes ejecuciones por lotes o integrarse con herramientas externas de análisis.

3. Scripting en MATLAB: Otra opción es el scripting en MATLAB. MATLAB es familiar para muchos científicos e ingenieros, pero es software comercial. GNU Octave es una alternativa gratuita, aunque actualmente carece de soporte completo para JSON.

4. Generación de datos para aprendizaje automático: Los flujos de trabajo automatizados pueden generar grandes conjuntos de datos consistentes variando sistemáticamente estructuras de dispositivos, parámetros de materiales o condiciones de operación para su uso en modelos de aprendizaje automático.

5. Ajuste automático y extracción de parámetros: La automatización también puede utilizarse para ajustar datos experimentales ejecutando el modelo repetidamente, por ejemplo al extraer parámetros de curvas J–V medidas o espectros ópticos.

3. Cómo funciona la automatización internamente

Todos estos enfoques se basan en el mismo principio subyacente: el archivo de simulación de OghmaNano (sim.oghma) se edita sistemáticamente, y el motor principal (oghma_core.exe) se ejecuta para generar nuevos resultados. Un punto clave que debe entenderse es que sim.oghma es simplemente un archivo ZIP que contiene un archivo JSON (sim.json). Este formato de archivo se describe con más detalle aquí. Si puede editar este archivo JSON—utilizando Python, MATLAB o incluso cualquier lenguaje de programación (C, C++, Java, Perl, PHP, Ruby, etc.)—puede automatizar OghmaNano.