高频电磁仿真并行计算：从方法选型到性能调优实战

真正把高频电磁场仿真从“能算”逼到“算不动”的，往往不是求解器算法的数学复杂度，而是结构尺寸和电尺寸之间的鸿沟。举个例子，10 GHz 的毫米波天线阵列，自由空间波长只有 30 mm，按行业惯例八分之一波长剖分，贴近金属表面的网格边长也就 3 毫米出头。一个 12×12 的阵列单元加上外围地板和介质基板，未知量轻松破千万。这个规模下，单机单核的串行求解已经没有意义，等一次仿真结果可能比项目周期还长。所以在大规模高频电磁仿真里，并行计算不是“锦上添花”，而是默认前提。

这篇文章主要聊聊我在高频电磁仿真中做并行计算和大规模仿真的思路与实操经验：从方法选型、环境搭建、并行参数设置到性能调优和问题排查。适合刚把仿真规模推到集群上、或者被“仿真太慢/内存不够”折磨的工程师和学生参考。文章里涉及的算例和参数都是基于常见工程实践的补充，具体型号和数值你可以按自己的场景替换。

1. 高频电磁仿真：从电尺寸到算力瓶颈

1.1 高频条件下的网格压力

高频电磁仿真的核心难点在于电尺寸。所谓电尺寸，就是结构物理尺寸相对于波长的比值。频率越高，波长越短，同样物理尺寸的结构包含的波长数就越多，需要剖分的网格数量就指数上升。

拿矩量法（MoM）来说，它把导体表面离散成三角形贴片，通常每个面元边长取 λ/8 到 λ/10。一个 100 mm × 100 mm 的金属平板，在 10 GHz 下大约包含 1000 个波长的面积，表面贴片数量在百万量级。如果要求解的是一个阵列天线，贴片数量直接翻数倍。而 MoM 生成的是稠密矩阵，存储量 O(N²)，求解复杂度 O(N³)。当 N 到一百万时，稠密矩阵需要 16 PB 内存，这显然是灾难性的。所以工程上才发展出 MLFMM（多层快速多极子）、ACA（自适应交叉近似）等快速算法，把复杂度和存储量降下来。但有趣的是，这些算法天生依赖层次空间划分，和并行计算简直是绝配，这也是为什么高频大规模仿真和“并行”总是绑定在一起。

如果换用时域有限差分（FDTD）方法，情况也很类似。FDTD 用 Yee 网格离散空间，每个网格点上的电场和磁场在时间上交替更新。为了精度和稳定性，每个波长至少要剖分 10 到 20 个网格，高频下网格数量就会爆炸。网格一多，时间步长也跟着缩小，因为 CFL 稳定条件把时间步限制在空间步长的量级上。整体看，仿真总计算量随频率的增长非常恐怖。

1.2 算力瓶颈：单机到并行的必然

除了内存，高频仿真还有个隐性瓶颈：求解时间。FDTD 方法按时间步进，每个时间步受 CFL 稳定条件限制，Δt 与网格尺寸成正比，而总仿真时长又和结构的电长度成正比。频率翻倍 → 波长减半 → 网格尺寸减半 → 时间步减半，同时电尺寸又翻倍需要更多网格，四个因素叠在一起，总计算量差不多按频率的 8 次方增长。工程上经常说“频率每翻一番，FDTD 计算量翻 8 倍”，说的就是这个趋势。

这时候，把多个 CPU 核、多台机器甚至 GPU 组合起来，一方面是为了扩大内存容量，把大问题装进去；另一方面是压缩墙钟时间。并行计算解决的就是这两个问题：可扩展性和时效性。不过这里有个现实约束——加速比不是线性的。Amdahl 定律所有人都知道：如果串行部分占比是 f_s，那么无论加多少核，加速比上限是 1/f_s。举个例子，如果整个流程里 5% 的时间花在网格读取和预处理这种串行操作上，那么最大加速比也就 20 倍左右，加再多核都没用。所以在做大规模并行仿真时，我第一步不是调求解器，而是先把整个流程里的串行环节找出来。

2. 并行电磁仿真方法选型：MoM、FEM 还是 FDTD

2.1 主流高频仿真方法怎么选

业界