Home Esempi Immagini dello schermo Manuale utente
Finestre
Manuale utente Presentazioni e video Insegnanti/Educatori Pubblicazioni Perché scegliere OghmaNano?
Logo di Bluesky YouTube
Deutsch EL English Español فارسی Français IT 日本語 한국어 Polski Português Українська 中文
☰
OghmaNano Piattaforma di simulazione multifisica per dispositivi optoelettronici e sistemi fotonici SCARICA Guida rapida per iniziare.

Adeguamento dei dati sperimentaliAdeguamento dei dati sperimentali

1. Panoramica1. Panoramica

Proprio come è possibile adattare l’equazione del diodo a una curva corrente-tensione (JV) in condizioni di oscurità per ricavare il fattore di idealità, OghmaNano consente di adattare direttamente modelli completi del dispositivo ai dati sperimentali. Calibrando la simulazione in base alle proprie misurazioni, è possibile ottenere parametri fisicamente significativi, come la mobilità, la densità degli stati di trappola, la resistenza di contatto e i coefficienti di ricombinazione, all’interno di un quadro coerente. Rispetto alle semplici formule analitiche, un adattamento basato sulla fisica preserva l’accoppiamento ottico-elettrico e fornisce informazioni più approfondite e affidabili sui meccanismi che regolano le prestazioni. Questo tutorial introduce il flusso di lavoro per l’adattamento in OghmaNano e mostra come scegliere le variabili, selezionare gli algoritmi di minimizzazione ed eseguire adattamenti efficienti e riproducibili.Proprio come è possibile adattare l’equazione del diodo a una curva corrente-tensione (JV) in condizioni di oscurità per ricavare il fattore di idealità, OghmaNano consente di adattare direttamente modelli completi del dispositivo ai dati sperimentali. Calibrando la simulazione in base alle proprie misurazioni, è possibile ottenere parametri fisicamente significativi, come la mobilità, la densità degli stati di trappola, la resistenza di contatto e i coefficienti di ricombinazione, all’interno di un quadro coerente. Rispetto alle semplici formule analitiche, un adattamento basato sulla fisica preserva l’accoppiamento ottico-elettrico e fornisce informazioni più approfondite e affidabili sui meccanismi che regolano le prestazioni. Questo tutorial introduce il flusso di lavoro per l’adattamento in OghmaNano e mostra come scegliere le variabili, selezionare gli algoritmi di minimizzazione ed eseguire adattamenti efficienti e riproducibili.

2. Il tuo primo completo.2. Il tuo primo completo.

OghmaNano include diverse simulazioni dimostrative che illustrano come adattare i modelli ai dati sperimentali. Una di queste utilizza un semplice modello di deriva-diffusione come esempio. Per accedervi, fare clic sull’icona «Nuova simulazione» nella barra degli strumenti «File» per aprire la finestra «Nuova simulazione» (Figura ??). Da qui, fare doppio clic sulla categoria «Scripting e adattamento» per aprire la cartella mostrata nella Figura ??. Selezionare l’esempio «Adattamento ed estrazione dei parametri» per caricare un progetto dimostrativo. Una volta aperto, verrà avviata una semplice simulazione di una cella solare (Figura ??). Sebbene questa dimostrazione si concentri su una cella solare, il motore di adattamento può essere applicato a qualsiasi simulazione e set di dati sperimentali.OghmaNano include diverse simulazioni dimostrative che illustrano come adattare i modelli ai dati sperimentali. Una di queste utilizza un semplice modello di deriva-diffusione come esempio. Per accedervi, fare clic sull’icona «Nuova simulazione» nella barra degli strumenti «File» per aprire la finestra «Nuova simulazione» (Figura ??). Da qui, fare doppio clic sulla categoria «Scripting e adattamento» per aprire la cartella mostrata nella Figura ??. Selezionare l’esempio «Adattamento ed estrazione dei parametri» per caricare un progetto dimostrativo. Una volta aperto, verrà avviata una semplice simulazione di una cella solare (Figura ??). Sebbene questa dimostrazione si concentri su una cella solare, il motore di adattamento può essere applicato a qualsiasi simulazione e set di dati sperimentali.

The 'New simulation' window showing different device categories in OghmaNano. The 'Scripting and fitting' category is highlighted.
Nuova finestra di simulazione. Seleziona la categoria «Scripting e adattamento» per accedere a esempi di adattamento.Nuova finestra di simulazione. Seleziona la categoria «Scripting e adattamento» per accedere a esempi di adattamento.
The 'Scripting and fitting' folder opened, highlighting the 'Fitting and parameter extraction example'.
All’interno della cartella «Scripting e configurazione». Fate doppio clic sull’esempio «Configurazione ed estrazione dei parametri» per caricare un progetto dimostrativo.All’interno della cartella «Scripting e configurazione». Fate doppio clic sull’esempio «Configurazione ed estrazione dei parametri» per caricare un progetto dimostrativo.

Dopo aver salvato la nuova simulazione, si aprirà la finestra principale della simulazione (??). Da qui, è possibile accedere alla scheda «Automazione» (evidenziata in rosso) e selezionare l’icona «Adatta all’esperimento» per aprire la finestra di adattamento ??.Dopo aver salvato la nuova simulazione, si aprirà la finestra principale della simulazione (??). Da qui, è possibile accedere alla scheda «Automazione» (evidenziata in rosso) e selezionare l’icona «Adatta all’esperimento» per aprire la finestra di adattamento ??.

OghmaNano Automation ribbon with the 'Fit to experiment' icon highlighted, and a 3D solar cell device structure displayed in the main window.
Nella barra degli strumenti «Automazione» di OghmaNano è visibile l’icona «Adatta all’esperimento». Selezionando questa opzione, si apre la finestra principale per l’adattamento dei dati.Nella barra degli strumenti «Automazione» di OghmaNano è visibile l’icona «Adatta all’esperimento». Selezionando questa opzione, si apre la finestra principale per l’adattamento dei dati.
The OghmaNano fitting window with an experimental JV curve loaded into the workspace.
La finestra si apre mostrando l’interfaccia, con un set di dati sperimentali di tipo «light JV» importato, pronto per essere utilizzato per l’analisi.La finestra si apre mostrando l’interfaccia, con un set di dati sperimentali di tipo «light JV» importato, pronto per essere utilizzato per l’analisi.

La finestra di adattamento definisce il modo in cui viene eseguita l’ottimizzazione: specifica quali set di dati sperimentali vengono utilizzati e quali variabili di simulazione vengono modificate. È possibile adattare i dati a un singolo set, come mostrato qui, oppure a più set di dati contemporaneamente per ottenere una stima più precisa dei parametri. Nella Figura ??, la linea blu rappresenta la curva sperimentale JV che verrà utilizzata per l’adattamento.La finestra di adattamento definisce il modo in cui viene eseguita l’ottimizzazione: specifica quali set di dati sperimentali vengono utilizzati e quali variabili di simulazione vengono modificate. È possibile adattare i dati a un singolo set, come mostrato qui, oppure a più set di dati contemporaneamente per ottenere una stima più precisa dei parametri. Nella Figura ??, la linea blu rappresenta la curva sperimentale JV che verrà utilizzata per l’adattamento.

💡 Esercizio pratico: utilizzo della finestra di regolazione.💡 Esercizio pratico: utilizzo della finestra di regolazione.

  1. Attività 1 – Una iterazione: fare clic sul pulsante «Una iterazione» per aggiornare la visualizzazione dell’adattamento (??a). Nella scheda «Delta = Esperimento – Simulazione» si vedrà la curva JV simulata (in blu) sovrapposta alla curva JV sperimentale (in rosso), oltre alla curva delta verde, definita punto per punto come \( \Delta(V) = J_{\mathrm{exp}}(V) - J_{\mathrm{sim}}(V) \). Un buon punto di partenza è quando la curva verde è prossima allo zero sull’intera gamma di tensione.Attività 1 – Una iterazione: fare clic sul pulsante «Una iterazione» per aggiornare la visualizzazione dell’adattamento (??a). Nella scheda «Delta = Esperimento – Simulazione» si vedrà la curva JV simulata (in blu) sovrapposta alla curva JV sperimentale (in rosso), oltre alla curva delta verde, definita punto per punto come \( \Delta(V) = J_{\mathrm{exp}}(V) - J_{\mathrm{sim}}(V) \). Un buon punto di partenza è quando la curva verde è prossima allo zero sull’intera gamma di tensione.
  2. Attività 2 – Esecuzione dell’ottimizzazione: premere «Esegui ottimizzazione» per avviare l’algoritmo di minimizzazione automatica (premerlo di nuovo interrompe l’esecuzione). Durante le prime iterazioni, l’errore potrebbe aumentare temporaneamente, ma dovrebbe poi diminuire man mano che le curve simulate e sperimentali convergono. Passare alla scheda «Progresso ottimizzazione» per visualizzare un grafico dell’errore in funzione delle iterazioni (??b); questo grafico viene anche salvato in fitlog.csv nella directory della simulazione per poter essere utilizzato in altri programmi. In una configurazione tipica, questa fase richiede circa 30 secondi.Attività 2 – Esecuzione dell’ottimizzazione: premere «Esegui ottimizzazione» per avviare l’algoritmo di minimizzazione automatica (premerlo di nuovo interrompe l’esecuzione). Durante le prime iterazioni, l’errore potrebbe aumentare temporaneamente, ma dovrebbe poi diminuire man mano che le curve simulate e sperimentali convergono. Passare alla scheda «Progresso ottimizzazione» per visualizzare un grafico dell’errore in funzione delle iterazioni (??b); questo grafico viene anche salvato in fitlog.csv nella directory della simulazione per poter essere utilizzato in altri programmi. In una configurazione tipica, questa fase richiede circa 30 secondi.
OghmaNano fitting window showing simulated (blue), experimental (red), and delta (green) JV curves after running one fit iteration.
a) Dopo una singola iterazione di adattamento: curve caratteristiche della giunzione (JV) simulate (in blu), sperimentali (in rosso) e differenziali (in verde).a) Dopo una singola iterazione di adattamento: curve caratteristiche della giunzione (JV) simulate (in blu), sperimentali (in rosso) e differenziali (in verde).
OghmaNano fit progress window showing the error function decreasing over successive iterations, indicating convergence.
b) Andamento dell’adattamento: la funzione di errore diminuisce con l’aumentare del numero di iterazioni, indicando la convergenza.b) Andamento dell’adattamento: la funzione di errore diminuisce con l’aumentare del numero di iterazioni, indicando la convergenza.

3. Aggiunta e rimozione di dati3. Aggiunta e rimozione di dati

La finestra principale per l’esecuzione dell’adattamento dei dati offre una barra degli strumenti con comandi che consentono di controllare il modo in cui vengono aggiunti, gestiti e adattati i dati sperimentali. Questi pulsanti permettono di importare o eliminare set di dati, configurare quali parametri devono essere variati e avviare o interrompere il processo di adattamento. Le opzioni più importanti sono:La finestra principale per l’esecuzione dell’adattamento dei dati offre una barra degli strumenti con comandi che consentono di controllare il modo in cui vengono aggiunti, gestiti e adattati i dati sperimentali. Questi pulsanti permettono di importare o eliminare set di dati, configurare quali parametri devono essere variati e avviare o interrompere il processo di adattamento. Le opzioni più importanti sono:

4. La barra degli strumenti per la riduzione delle finestre4. La barra degli strumenti per la riduzione delle finestre

La scheda «Minimizer» consente di controllare l’algoritmo di ottimizzazione utilizzato durante l’adattamento dei dati. Da questa scheda è possibile scegliere quale algoritmo di minimizzazione applicare (ad esempio, l’algoritmo predefinito Nelder–Mead) e configurarne le impostazioni. La scheda include anche strumenti per gestire le variabili di adattamento, duplicare i parametri e applicare regole matematiche per limitare l’adattamento. Modificando queste opzioni, è possibile controllare il modo in cui l’algoritmo esplora lo spazio dei parametri, bilanciare la velocità e la precisione e garantire che vengano applicate le restrizioni fisicamente significative durante il processo di adattamento.La scheda «Minimizer» consente di controllare l’algoritmo di ottimizzazione utilizzato durante l’adattamento dei dati. Da questa scheda è possibile scegliere quale algoritmo di minimizzazione applicare (ad esempio, l’algoritmo predefinito Nelder–Mead) e configurarne le impostazioni. La scheda include anche strumenti per gestire le variabili di adattamento, duplicare i parametri e applicare regole matematiche per limitare l’adattamento. Modificando queste opzioni, è possibile controllare il modo in cui l’algoritmo esplora lo spazio dei parametri, bilanciare la velocità e la precisione e garantire che vengano applicate le restrizioni fisicamente significative durante il processo di adattamento.

OghmaNano fitting window showing the Minimizer tab with options for fitting variables, duplicate variables, fit rules, and minimizer selection (Nelder–Mead highlighted).
La scheda «Minimizer» nella finestra di ottimizzazione consente di selezionare l’algoritmo di ottimizzazione (ad esempio, Nelder–Mead) e di configurare le regole, la duplicazione delle variabili e le impostazioni del minimizzatore.La scheda «Minimizer» nella finestra di ottimizzazione consente di selezionare l’algoritmo di ottimizzazione (ad esempio, Nelder–Mead) e di configurare le regole, la duplicazione delle variabili e le impostazioni del minimizzatore.

5. Impostare i valori delle variabili in modo appropriato.5. Impostare i valori delle variabili in modo appropriato.

OghmaNano Fit variables window showing a list of enabled and disabled parameters such as charge density, mobility, trap densities, and resistances, with controls for min, max, error function, and log scale.
La finestra delle variabili di ottimizzazione. Questa interfaccia consente di scegliere quali parametri variare durante l’ottimizzazione e di specificarne gli intervalli ammissibili, le penalità per gli errori e la scala. L’attivazione o la disattivazione delle variabili in questa finestra controlla direttamente il modo in cui l’algoritmo di ottimizzazione esplora lo spazio dei parametri.La finestra delle variabili di ottimizzazione. Questa interfaccia consente di scegliere quali parametri variare durante l’ottimizzazione e di specificarne gli intervalli ammissibili, le penalità per gli errori e la scala. L’attivazione o la disattivazione delle variabili in questa finestra controlla direttamente il modo in cui l’algoritmo di ottimizzazione esplora lo spazio dei parametri.

Per aprire la finestra delle variabili di adattamento, accedere alla scheda «Minimizer» nella finestra di adattamento (Figura ??) e fare clic su «Variabili di adattamento». In questo pannello (Figura ??) è possibile scegliere quali parametri variare durante l’adattamento e impostarne i limiti. Per ottenere risultati più rapidi e affidabili, iniziare con un piccolo insieme di parametri simmetrici; aggiungere altri parametri (o introdurre asimmetria) solo dopo aver ottenuto un risultato iniziale soddisfacente.Per aprire la finestra delle variabili di adattamento, accedere alla scheda «Minimizer» nella finestra di adattamento (Figura ??) e fare clic su «Variabili di adattamento». In questo pannello (Figura ??) è possibile scegliere quali parametri variare durante l’adattamento e impostarne i limiti. Per ottenere risultati più rapidi e affidabili, iniziare con un piccolo insieme di parametri simmetrici; aggiungere altri parametri (o introdurre asimmetria) solo dopo aver ottenuto un risultato iniziale soddisfacente.

La tabella delle variabili di adattamento contiene sette colonne: Abilitata, Variabile, Valore minimo, Valore massimo, Funzione di errore, Scala logaritmica e Variabile (in formato JSON).La tabella delle variabili di adattamento contiene sette colonne: Abilitata, Variabile, Valore minimo, Valore massimo, Funzione di errore, Scala logaritmica e Variabile (in formato JSON).

6. Duplicazione delle variabili6. Duplicazione delle variabili

OghmaNano Duplicate variables window showing a table that maps source variables, such as electron mobility or trap densities, onto destination variables to enforce symmetry during fitting.
La finestra Variabili duplicate. Questo strumento copia i valori da una variabile di origine a una variabile di destinazione, garantendo che i parametri rimangano simmetrici durante l’adattamento (ad esempio, facendo corrispondere le mobilità degli elettroni e delle lacune).La finestra Variabili duplicate. Questo strumento copia i valori da una variabile di origine a una variabile di destinazione, garantendo che i parametri rimangano simmetrici durante l’adattamento (ad esempio, facendo corrispondere le mobilità degli elettroni e delle lacune).

Aprire la finestra «Variabili duplicate» dalla barra multifunzione di Minimizer (??). Questo strumento replica un parametro di origine su un parametro di destinazione ad ogni iterazione. Nell’esempio del dispositivo simmetrico, si adatta solo il parametro relativo agli elettroni e si utilizza la funzione «Variabili duplicate» per copiarne il valore nel parametro corrispondente relativo alle lacune, mantenendoli uguali durante l’intero processo di adattamento (vedere ??).Aprire la finestra «Variabili duplicate» dalla barra multifunzione di Minimizer (??). Questo strumento replica un parametro di origine su un parametro di destinazione ad ogni iterazione. Nell’esempio del dispositivo simmetrico, si adatta solo il parametro relativo agli elettroni e si utilizza la funzione «Variabili duplicate» per copiarne il valore nel parametro corrispondente relativo alle lacune, mantenendoli uguali durante l’intero processo di adattamento (vedere ??).

La colonna «Funzione y = f(x)» definisce come il valore di origine x viene trasformato prima di essere scritto nella destinazione y. L’impostazione predefinita x esegue una copia diretta; sono possibili anche altre opzioni, come ad esempio 2*x (raddoppiare il valore) o x + 0.05 (applicare un offset).La colonna «Funzione y = f(x)» definisce come il valore di origine x viene trasformato prima di essere scritto nella destinazione y. L’impostazione predefinita x esegue una copia diretta; sono possibili anche altre opzioni, come ad esempio 2*x (raddoppiare il valore) o x + 0.05 (applicare un offset).

7. Regole di adattamento/compatibilità7. Regole di adattamento/compatibilità

La finestra delle regole di ottimizzazione (??), accessibile dalla scheda «Minimizer», consente di applicare vincoli matematici al processo di ottimizzazione. Le regole aggiungono una penalità alla funzione di errore ogni volta che una condizione viene violata. Ad esempio, è possibile imporre che un parametro debba sempre essere maggiore di un altro, oppure applicare una penalità se una variabile si discosta da un intervallo accettabile. In questo modo, si contribuisce a mantenere l’ottimizzazione coerente con la realtà fisica e si impedisce all’algoritmo di ottimizzazione di esplorare combinazioni di parametri irrealistiche.La finestra delle regole di ottimizzazione (??), accessibile dalla scheda «Minimizer», consente di applicare vincoli matematici al processo di ottimizzazione. Le regole aggiungono una penalità alla funzione di errore ogni volta che una condizione viene violata. Ad esempio, è possibile imporre che un parametro debba sempre essere maggiore di un altro, oppure applicare una penalità se una variabile si discosta da un intervallo accettabile. In questo modo, si contribuisce a mantenere l’ottimizzazione coerente con la realtà fisica e si impedisce all’algoritmo di ottimizzazione di esplorare combinazioni di parametri irrealistiche.


OghmaNano Fit rules window showing a table where constraints such as x > y can be defined between variables, with options to enable or disable each rule.
Si apre la finestra delle regole di ottimizzazione. Qui, gli utenti possono definire vincoli, come x > y, per stabilire relazioni tra i parametri. Se una regola viene violata, viene aggiunto un errore aggiuntivo all’ottimizzazione, guidando l’algoritmo di minimizzazione verso una regione valida dello spazio dei parametri.Si apre la finestra delle regole di ottimizzazione. Qui, gli utenti possono definire vincoli, come x > y, per stabilire relazioni tra i parametri. Se una regola viene violata, viene aggiunto un errore aggiuntivo all’ottimizzazione, guidando l’algoritmo di minimizzazione verso una regione valida dello spazio dei parametri.

💡 Consigli e suggerimenti utili per l’installazione:💡 Consigli e suggerimenti utili per l’installazione:

  1. In generale, il processo di adattamento è piuttosto complesso e richiede molta pazienza e una regolazione manuale accurata. Non aspettatevi di poter semplicemente premere un pulsante e che tutto funzioni automaticamente: dovrete lavorare con attenzione per ottenere risultati ottimali.In generale, il processo di adattamento è piuttosto complesso e richiede molta pazienza e una regolazione manuale accurata. Non aspettatevi di poter semplicemente premere un pulsante e che tutto funzioni automaticamente: dovrete lavorare con attenzione per ottenere risultati ottimali.
  2. Se i risultati ottenuti non sono soddisfacenti, potrebbe esserci un problema nelle ipotesi fisiche che avete formulato riguardo al vostro dispositivo. Il modello si adatterà solo a dati fisicamente plausibili, quindi, se i risultati si discostano significativamente, è necessario rivedere cosa si sta chiedendo al modello. Ad esempio, se non riuscite a ottenere una corrispondenza tra \(J_{sc}\) in una cella solare, potrebbe essere che il vostro materiale non assorba un numero sufficiente di fotoni per raggiungere il valore desiderato di \(J_{sc}\).Se i risultati ottenuti non sono soddisfacenti, potrebbe esserci un problema nelle ipotesi fisiche che avete formulato riguardo al vostro dispositivo. Il modello si adatterà solo a dati fisicamente plausibili, quindi, se i risultati si discostano significativamente, è necessario rivedere cosa si sta chiedendo al modello. Ad esempio, se non riuscite a ottenere una corrispondenza tra \(J_{sc}\) in una cella solare, potrebbe essere che il vostro materiale non assorba un numero sufficiente di fotoni per raggiungere il valore desiderato di \(J_{sc}\).
  3. Diversi set di dati forniscono diversi tipi di informazioni. Ad esempio, la curva corrente-tensione (JV) in condizioni di oscurità di una cella solare fornisce informazioni sulla resistenza di shunt, sulla resistenza in serie e su alcuni dettagli relativi alla mobilità e alla ricombinazione. La curva corrente-tensione (JV) in condizioni di luce, invece, fornisce pochissime informazioni sulla resistenza di shunt, quindi non aspettatevi che fornisca stime accurate di \(R_{shunt}\). Prima di interpretare i parametri ottenuti, considerate sempre quali informazioni contengono i vostri dati.Diversi set di dati forniscono diversi tipi di informazioni. Ad esempio, la curva corrente-tensione (JV) in condizioni di oscurità di una cella solare fornisce informazioni sulla resistenza di shunt, sulla resistenza in serie e su alcuni dettagli relativi alla mobilità e alla ricombinazione. La curva corrente-tensione (JV) in condizioni di luce, invece, fornisce pochissime informazioni sulla resistenza di shunt, quindi non aspettatevi che fornisca stime accurate di \(R_{shunt}\). Prima di interpretare i parametri ottenuti, considerate sempre quali informazioni contengono i vostri dati.
  4. Il processo di ottimizzazione funziona nel seguente modo: 1) si esegue una simulazione; 2) si calcola la differenza tra i risultati numerici e quelli sperimentali; 3) si modificano i parametri; 4) si riesegue la simulazione e si verifica se l’errore diminuisce; 5) se l’errore diminuisce, la modifica del parametro viene accettata e il processo si ripete. Questo può richiedere centinaia o migliaia di iterazioni. Pertanto, le singole simulazioni devono essere eseguite rapidamente. Ad esempio, se la griglia contiene 1000 punti, provare a ridurla a 10 per l’ottimizzazione; se si hanno 1000 passi temporali, ridurli a 100. Ogni miglioramento nella velocità della simulazione di base accelera il processo di ottimizzazione.Il processo di ottimizzazione funziona nel seguente modo: 1) si esegue una simulazione; 2) si calcola la differenza tra i risultati numerici e quelli sperimentali; 3) si modificano i parametri; 4) si riesegue la simulazione e si verifica se l’errore diminuisce; 5) se l’errore diminuisce, la modifica del parametro viene accettata e il processo si ripete. Questo può richiedere centinaia o migliaia di iterazioni. Pertanto, le singole simulazioni devono essere eseguite rapidamente. Ad esempio, se la griglia contiene 1000 punti, provare a ridurla a 10 per l’ottimizzazione; se si hanno 1000 passi temporali, ridurli a 100. Ogni miglioramento nella velocità della simulazione di base accelera il processo di ottimizzazione.
  5. Scrivere i file su disco è la fase più lenta di qualsiasi processo computazionale. Anche i moderni SSD sono circa 30 volte più lenti della memoria principale (ad esempio, 456 MB/s contro 12.800 MB/s per PC3-12800). L’utilizzo di unità USB, archiviazione di rete o servizi cloud come OneDrive/Dropbox peggiora ulteriormente la situazione. Per ottenere la massima velocità, salvare sempre le simulazioni su un SSD locale (e non su un dispositivo di rete o su un disco rigido tradizionale).Scrivere i file su disco è la fase più lenta di qualsiasi processo computazionale. Anche i moderni SSD sono circa 30 volte più lenti della memoria principale (ad esempio, 456 MB/s contro 12.800 MB/s per PC3-12800). L’utilizzo di unità USB, archiviazione di rete o servizi cloud come OneDrive/Dropbox peggiora ulteriormente la situazione. Per ottenere la massima velocità, salvare sempre le simulazioni su un SSD locale (e non su un dispositivo di rete o su un disco rigido tradizionale).
  6. Riducete al minimo il numero di file generati dalla simulazione. Disattivate le funzioni di output non necessarie, come le immagini istantanee, l’output ottico o le cartelle dinamiche. Una simulazione ben configurata dovrebbe generare solo circa 50 file. Se ne vengono generati centinaia, cercate di capire perché.Riducete al minimo il numero di file generati dalla simulazione. Disattivate le funzioni di output non necessarie, come le immagini istantanee, l’output ottico o le cartelle dinamiche. Una simulazione ben configurata dovrebbe generare solo circa 50 file. Se ne vengono generati centinaia, cercate di capire perché.
  7. Sebbene sia possibile eseguire l’adattamento tramite l’interfaccia grafica, spesso questo processo risulta lento. Una buona pratica consiste nell’impostare i parametri di adattamento nell’interfaccia grafica, ma eseguirli dalla riga di comando (le istruzioni sono fornite di seguito).Sebbene sia possibile eseguire l’adattamento tramite l’interfaccia grafica, spesso questo processo risulta lento. Una buona pratica consiste nell’impostare i parametri di adattamento nell’interfaccia grafica, ma eseguirli dalla riga di comando (le istruzioni sono fornite di seguito).
  8. Poiché il processo di ottimizzazione comporta la scrittura di numerosi file su disco, il software antivirus può rallentare le operazioni eseguendo la scansione di ciascun file. Se questo diventa un problema, prendi in considerazione l’esclusione della cartella di simulazione dalla scansione in tempo reale.Poiché il processo di ottimizzazione comporta la scrittura di numerosi file su disco, il software antivirus può rallentare le operazioni eseguendo la scansione di ciascun file. Se questo diventa un problema, prendi in considerazione l’esclusione della cartella di simulazione dalla scansione in tempo reale.

👉 Passaggio successivo: ora proseguite con Parte B per scoprire metodi di adattamento più avanzati.👉 Passaggio successivo: ora proseguite con Parte B per scoprire metodi di adattamento più avanzati.