PyOghma
如 17.4.1 所述，通过使用 python 直接操作 OghmaNano 的 json 文件可以完成大量工作。然而，使用这种方法很难（并不容易）同时运行多个仿真。而大多数现代 CPU 有 8 个或更多核心，在生成大型数据集时不并行运行多个仿真似乎是一种浪费。此外，在 Python 中操作 json 文件并不直观，也不太“Python 风格”。因此，Cai Williams 编写了一个名为 PyOghma 的 API，可用于操作 OghmaNano 的 json 文件并运行仿真。这是一个独立于 OhgmaNano 的项目，因此关于它的任何问题请直接联系他！
PyOghma 可在 GitHub 上获取，也可通过 pip 安装：
python -m pip install PyOghma下面给出了一个使用 PyOghma 的示例 [python-example3]：
import PyOghma as po
Oghma = po.OghmaNano()
Results = po.Results()
source_simulation = "\exapmle\pm6y6\"
Oghma.set_source_simulation(source_simulation)
experiment_name = 'NewExperiment'
Oghma.set_experiment_name(experiment_name)
mobility = 1e-5
trap_desnsity = 1e-18
trapping_crosssection = 1e-20
recombination_crosssection = 1e-20
urbach_energy = 40e-3
temperature = 300
intensity = 0.5
experiment_name = 'NewExperiment' + str(1)
Oghma.clone('NewExperiment0')
Oghma.Optical.Light.set_light_Intensity(intensity)
Oghma.Optical.Light.update()
Oghma.Thermal.set_temperature(temperature)
Oghma.Thermal.update()
Oghma.Epitaxy.load_existing()
Oghma.Epitaxy.pm6y6.dos.mobility('both', mobility)
Oghma.Epitaxy.pm6y6.dos.trap_density('both', trap_desnsity)
Oghma.Epitaxy.pm6y6.dos.trapping_rate('both', 'free to trap',..
trapping_crosssection)
Oghma.Epitaxy.pm6y6.dos.trapping_rate('both', 'trap to free',..
recombination_crosssection)
Oghma.Epitaxy.pm6y6.dos.urbach_energy('both', urbach_energy)
Oghma.Epitaxy.update()
Oghma.add_job(experiment_name)
Oghma.run_jobs()在该示例中，PyOghma 以 po 的形式导入，并通过修改迁移率、陷阱密度、俘获速率和 Urbach 能量等数值来操作一个源 OghmaNano json 文件。原始文件通过如下语句进行克隆：
Oghma.clone('NewExperiment0')然后在代码末尾是以下两行。第一行将任务添加到 PyOghma 的任务列表中。第二行告诉 PyOghma 执行所有任务。如果有多个任务，PyOghma 会在所有 CPU 上并行执行多个任务，直到全部完成。例如，如果希望在不同迁移率取值下运行仿真，可以将每个仿真都加入任务列表，然后只调用一次 \(run\_jobs\)，即可在所有核心上以高效方式运行这些任务。
Oghma.add_job(experiment_name)
Oghma.run_jobs()关于 PyOghma 的更多信息可在 GitHub 页面上获取。