Dopasowywanie danych eksperymentalnych

1. Wprowadzenie/Przegląd

Podobnie jak można dopasować równanie diody do krzywej prądu w ciemności, aby wyznaczyć współczynnik idealności, OghmaNano umożliwia bezpośrednie dopasowanie pełnych modeli urządzeń do danych eksperymentalnych. Poprzez kalibrację symulacji w oparciu o uzyskane wyniki pomiarów, można odzyskać fizycznie istotne parametry – mobilności, gęstości stanów pułapek, rezystancje kontaktów, współczynniki rekombinacji – w spójnym modelu. W porównaniu z prostymi wzorami analitycznymi, dopasowanie oparte na fizyce zachowuje sprzężenie optyczno-elektryczne i zapewnia bogatsze, bardziej wiarygodne informacje na temat mechanizmów, które wpływają na wydajność. Niniejszy przewodnik wprowadza proces dopasowania w OghmaNano i pokazuje, jak wybrać zmienne, zdefiniować funkcje minimalizacji i uruchomić wydajne, powtarzalne obliczenia.

2. Twój pierwszy strój/ubiór.

OghmaNano zawiera kilka przykładowych symulacji, które ilustrują, jak dopasowywać modele do danych eksperymentalnych. Jedna z nich wykorzystuje prosty model dryfu i dyfuzji jako przykład. Aby uzyskać do niej dostęp, kliknij ikonę „Nowa symulacja” na wstążce „Plik”, aby otworzyć okno „Nowa symulacja” (Rysunek ??). Następnie kliknij dwukrotnie kategorię „Skrypty i dopasowywanie”, aby otworzyć folder przedstawiony na Rysunku ??. Wybierz przykład „Dopasowywanie i ekstrakcja parametrów”, aby załadować przykładowy projekt. Po otwarciu uruchomi się prosta symulacja ogniwa słonecznego (Rysunek ??). Chociaż ta demonstracja skupia się na ogniwie słonecznym, mechanizm dopasowywania można zastosować do dowolnej symulacji i zestawu danych eksperymentalnych.

Po zapisaniu nowej symulacji pojawi się główne okno symulacji (??). Następnie przejdź do zakładki „Automatyzacja” (zaznaczonej na czerwono) i wybierz ikonę „Dopasuj do eksperymentu”, aby otworzyć okno dopasowywania ??.

Określony zakres danych wpływa na sposób przeprowadzania optymalizacji: definiuje on, z których zbiorów danych eksperymentalnych korzystamy i które zmienne symulacyjne są modyfikowane. Można dopasować dane do jednego zbioru, jak pokazano tutaj, lub do wielu zbiorów jednocześnie, co pozwala na bardziej precyzyjne określenie parametrów. Na rysunku ?? niebieska linia przedstawia eksperymentalną krzywą charakterystyki prądowo-napięciowej (JV), która będzie wykorzystywana do dopasowania danych.

3. Dodawanie i usuwanie danych

Główne okno służące do dopasowywania danych zawiera pasek narzędzi z poleceniami, które umożliwiają dodawanie, zarządzanie i wykonywanie dopasowań w eksperymentach. Za pomocą tych przycisków można importować lub usuwać zestawy danych, konfigurować, które parametry będą zmieniane, oraz rozpoczynać lub zatrzymywać proces dopasowywania. Najważniejsze opcje to:

• Nowy eksperyment: dodaje kolejny zestaw danych eksperymentalnych do okna dopasowania. Na przykład, można uwzględnić zarówno charakterystykę prądowo-napięciową (JV) w warunkach oświetlenia, jak i w warunkach braku oświetlenia. Dopasowanie do wielu zestawów danych zwiększa wiarygodność wyznaczonych parametrów, ale jednocześnie wydłuża i komplikuje proces dopasowania.
• Usuń eksperyment: Usuwa wybrany zestaw danych z analizy.
• Eksperyment klonowania: tworzy kopię aktualnego zbioru danych.
• Zmień nazwę eksperymentu: umożliwia zmianę nazwy wybranego zestawu danych.
• Eksport danych: zapisuje aktualne ustawienia i dane w postaci skompresowanego pliku ZIP.
• Import danych: Wczytuje zewnętrzne dane eksperymentalne do okna dopasowywania (szczegółowe informacje znajdują się w sekcji „Kreator importu”).
• Konfiguracja: otwiera okno konfiguracyjne, w którym można zdefiniować, które zmienne będą modyfikowane podczas dopasowywania (szczegółowe wyjaśnienie poniżej).
• Pojedyncza iteracja: Wykonuje pojedynczy krok dopasowania, aby sprawdzić, jak bardzo wynik symulacji odpowiada danym eksperymentalnym. Zaleca się użycie tej opcji i ręczne dostosowanie parametrów, aż do uzyskania zadowalającego punktu wyjścia, przed uruchomieniem automatycznego dopasowania.
• Uruchom dopasowanie: uruchamia automatyczny algorytm dopasowania. Proces trwa do momentu ręcznego zatrzymania, co następuje po ponownym naciśnięciu przycisku.
• Dopasuj do tego zbioru danych: Włącza lub wyłącza funkcję dopasowywania dla aktualnie wybranego zbioru danych.

4. Pasek narzędzi „Minimalizuj”

Zakładka „Minimizer” umożliwia sterowanie algorytmem optymalizacji używanym podczas dopasowywania danych. W tej zakładce można wybrać, który algorytm minimalizacji ma być zastosowany (np. domyślny algorytm Neldera-Meada) i skonfigurować jego ustawienia. Zakładka zawiera również narzędzia do zarządzania zmiennymi dopasowywania, kopiowania parametrów i stosowania reguł matematycznych w celu ograniczenia zakresu dopasowywania. Poprzez dostosowanie tych opcji można kontrolować sposób, w jaki algorytm przeszukuje przestrzeń parametrów, znaleźć równowagę między szybkością a dokładnością oraz zapewnić, że podczas procesu dopasowywania będą uwzględniane sensowne fizycznie ograniczenia.

5. Ustawianie wartości zmiennych, aby dopasować je do potrzeb.

Aby otworzyć okno zmiennych dopasowania, przejdź do zakładki „Minimizer” w oknie dopasowania (rycina ??) i kliknij „Zmienne dopasowania”. W tym panelu (rycina ??) możesz wybrać, które parametry będą zmieniane podczas dopasowania, oraz ustawić ich zakresy. Aby przyspieszyć i poprawić proces, zacznij od niewielkiego zestawu symetrycznych parametrów; dodaj więcej (lub wprowadź asymetrię) dopiero po uzyskaniu rozsądnych wstępnych wyników.

Tabela zmiennych „Fit” zawiera siedem kolumn: „Włączone”, „Zmienna”, „Min”, „Max”, „Funkcja błędu”, „Skala logarytmiczna” oraz „Zmienna (JSON)”.

• Włączone: umożliwia lub wyłącza funkcję regulacji zmiennej.
• Zmienna: Opisuje ścieżkę zmiennej, do której mają być dopasowywane dane, w języku angielskim.
• Min: minimalna wartość, jaką może przyjąć dana zmienna.
• Max: Najwyższa wartość, jaką może przyjąć dana zmienna.
• Funkcja błędu: do całkowitego błędu dopasowania dodawana jest kara, jeśli wartość zmiennej wykracza poza jej minimalny i maksymalny zakres. Dzięki temu algorytm jest skutecznie przywracany do dopuszczalnych granic.
• Skala logarytmiczna: dostosowuje wartość parametru do skali logarytmicznej. Przydatna w przypadku zmiennych, których wartości zmieniają się w bardzo szerokim zakresie, co pozwala na analizę całego zakresu.
• Zmienna (JSON): Zazwyczaj ukryta; reprezentuje pełną ścieżkę parametru w formacie json. Serwer wykorzystuje tę ścieżkę, natomiast ścieżka w języku angielskim służy jedynie do poprawy czytelności i nie zawsze jest dokładna.

6. Kopiowanie zmiennych

Otwórz okno „Duplikuj zmienne” w menu „Minimizer” (??). To narzędzie kopiuje wartość parametru źródłowego do parametru docelowego w każdej iteracji. W przykładzie dotyczącym symetrycznego urządzenia dopasowujemy tylko parametr związany z elektronami, a następnie używamy funkcji „Duplikuj zmienne”, aby skopiować jego wartość do odpowiadającego mu parametru związanego z dziurami, utrzymując ich równość przez cały proces dopasowywania (zob. ??).

Kolumna „Funkcja y = f(x)” określa, w jaki sposób wartość źródłowa x jest modyfikowana przed zapisaniem jej w miejscu docelowym y. Domyślna opcja x polega na bezpośrednim kopiowaniu; możliwe są również inne opcje, takie jak 2*x (podwojenie wartości) lub x + 0.05 (zastosowanie przesunięcia).

7. Zasady dopasowania.

Okno „Reguły dopasowania” (??), dostępne z poziomu karty „Minimalizacja”, umożliwia stosowanie ograniczeń matematycznych do procesu dopasowania. Reguły dodają karę do funkcji błędu, gdy dane warunki nie są spełnione. Na przykład, można określić, że jeden parametr musi zawsze być większy od innego, lub zastosować karę, jeśli wartość zmiennej wykracza poza dopuszczalny zakres. Pomaga to zachować sens fizyczny dopasowania i zapobiega przeszukiwaniu przez algorytm minimalizacji nierealnych kombinacji parametrów.