用Python API启动Lumerical的仿真软件时，建立了两者环境之间的联系，彼此的工作空间不共享，而是在变量传递过程中创建一个相同的副本，根据getv( )和put( )函数中定义的转换类型来进行前传和后传。2020a R4版本将典型传输速率提高至约为300MBs，并将传输数据所需的内存开销减少[1]，提高了数据传输的效率，但当数据量传输量非常大的时候，数据传递的规律仍显得很重要。
Lumerical和Python中的数据类型对应如下：
Lumerical
| Python
|
String
| string
|
Real
| float
|
Complex
| np.array
|
Matrix
| np.array |
Cell array
| list |
Struct | dictionary
|
Dataset
| dictionary
|
仿真过程中，经常会从监视器中提取各种数据类型的结果，并进一步进行传递、数据处理、作图等操作。接下来针对大家使用Python API进行仿真或提取结果时，常涉及到的数据类型进行总结：
1. 原始数据（Raw Data）
从运行过的仿真工程中的监视器结果中，可以直接访问原始数据，这些数据在 Lumerical中以矩阵的形式存在，将其传递到Python环境时，将作为numpy数组返回。矩阵各维度的长度将与相关参数的长度一致，与监视器在各个维度上的监测点个数有关。
属性：数据集中实际数据，例如，电场分量Ex、Ey、Ez是场分布监视器的属性。
参数：数据集的相关位置向量。例如，位置x、y、z和频率f可以是场剖面监视器的参数。
用getdata( )函数可以获取监视器的原始数据，注意与getresult( )区分，得到数据后可以用Python的squeeze( )函数，或者Lumerical的pinch( )函数来删除单个元素的维度，调整结果矩阵的形式。
以下是一个简单的Python API控制Lumerical FDTD进行仿真，并提取数据回到Python的例子：
with lumapi.FDTD() as fdtd: fdtd.addfdtd(dimension='2D', x=0.0e-9, y=0.0e-9, x_span=3.0e-6, y_span=1.0e-6) fdtd.addgaussian(name = 'source', x=0., y=-0.4e-6, injection_axis='y', waist_radius_w0=0.2e-6, wavelength_start=0.5e-6, wavelength_stop=0.6e-6) fdtd.addring( x=0.0e-9, y=0.0e-9, z=0.0e-9, inner_radius=0.1e-6, outer_radius=0.2e-6, index=2.0) fdtd.addmesh(dx=10.0e-9, dy=10.0e-9, x=0., y=0., x_span=0.4e-6, y_span=0.4e-6) fdtd.addtime(name='time', x=0.0e-9, y=0.0e-9) fdtd.addprofile(name='profile', x=0., x_span=3.0e-6, y=0.)
# Dict ordering is not guaranteed, so if there properties dependant on other properties an ordered dict is necessary# In this case 'override global monitor settings' must be true before 'frequency points' can be set props = OrderedDict([('name', 'power'), ('override global monitor settings', True), ('x', 0.),('y', 0.4e-6),('monitor type', 'linear x'), ('frequency points', 10.0)])
fdtd.addpower(properties=props) fdtd.save('fdtd_file.fsp') fdtd.run()
#Return raw E field data Ex = fdtd.getdata('profile','Ex') f = fdtd.getdata('profile','f') x = fdtd.getdata('profile','x') y = fdtd.getdata('profile','y')
print('Frequency field profile data Ex is type', type(Ex),' with shape', str(Ex.shape ))print('Frequency field profile data f is type', type(f), 'with shape', str(f.shape ))print('Frequency field profile data x is type', type(x), 'with shape', str(x.shape ))print('Frequency field profile data y is type', type(y), 'with shape', str(y.shape ))
Python程序设置了光源、环形结构、网格、监视器等，结尾处返回相应结果的维度，如下图所示，可以直接用Python对数据进行进一步处理、出图。
2. 数据集（Datasets）
数据集是互相相关的结果，打包在Lumerical中，可以轻松地可视化或访问，主要包含三种直线数据集：
with lumapi.FDTD('fdtd_file.fsp') as fdtd: #返回两种维度不同的数据集 T, time = fdtd.getresult('power', 'T'), fdtd.getresult('time','E')#创建一个非结构化数据集 fdtd.eval('x = [0;1;2];y = [0;sqrt(3);0];z = [0;0;0];C = [1,3,2];ds = unstructureddataset(x,y,z,C);') ds = fdtd.getv('ds')
print('Transmission result T is type', type(T),' with keys', str(T.keys()) )print('Time monitor result E is type', type(time),' with keys', str(time.keys()) )print('Unstructured dataset is type', type(ds),' with keys', str(ds.keys()) )
[1]https://optics.ansys.com/hc/en-us/articles/360041401434-Passing-Data-Python-API
电话：15521163312(微信同号)
邮箱：wenye@mooreda.com.cn