Адаптація моделі до експериментальних даних

Адаптація моделі до експериментальних даних для визначення параметрів рекомбінації та рухливості.

Інструменти для підгонки моделей від OghmaNano дають змогу безпосередньо пов’язувати результати моделювання з вашими вимірюваннями, перетворюючи необроблені експериментальні дані на змістовні фізичні параметри. Застосовуючи модель до даних, отриманих у стаціонарних або нестаціонарних режимах, ви можете отримати такі величини, як рухливість носіїв заряду, коефіцієнти рекомбінації, концентрація пасток і параметри енергетичної неоднорідності. Оптимізаційний фреймворк підтримує підгонку за кількома параметрами, що дозволяє одночасно визначати декілька фізичних параметрів. Ці алгоритми працюють з моделями дрейфу-дифузії, моделями на рівні схеми або будь-якою іншою підтримуваною фізичною моделлю в OghmaNano, забезпечуючи єдиний процес підгонки в різних доменах моделювання.

Основні характеристики:

Багатопараметрична екстракція — одночасне визначення кількох фізичних констант, таких як рухливість, константи рекомбінації, концентрація пасток тощо.
Зручний інтерфейс для імпорту експериментальних даних із файлів .txt, .csv або .dat.
Швидка та надійна оптимізація за допомогою алгоритму симплекс-методу (Нелдера–Міда), що забезпечує стабільну збіжність без необхідності обчислення похідних.
Підходить для даних, отриманих у стаціонарному режимі (наприклад, криві залежності струму від напруги, залежність потужності від відкритої напруги) або в часовій області (наприклад, TPV, TPC, CELIV).
Візуалізація в режимі реального часу — спостерігайте за зміною змодельованих кривих у міру вдосконалення підгонки, що дає змогу миттєво оцінювати процес збіжності.
Глобальне узгодження даних із кількох наборів — одночасне узгодження декількох вимірювань, отриманих від одного й того ж пристрою, для отримання єдиного, внутрішньо узгодженого набору фізичних параметрів.
Обмеження параметрів — встановлення відомих значень або визначення реалістичних меж для керування процесом підгонки даних і запобігання отримання нереалістичних результатів.
Експортуйте налаштовані параметри та остаточні змодельовані криві для створення звітів або подальшого аналізу.

Поєднуючи експериментальні дані з фізично обґрунтованим моделюванням, OghmaNano дає змогу дослідникам налагодити взаємозв’язок між вимірюваннями та моделюванням, що сприяє глибшому розумінню, створенню точніших моделей і прискорює процес оптимізації пристроїв.

Хочете заглибитися в тему?

👉 Перегляньте зручний посібник / корисний навчальний матеріал у посібнику та одразу ж розпочніть моделювання.