电磁仿真计算特点与硬件配置分析201906
电磁场仿真软件广泛应用于无线和有线通信、计算机、卫星、雷达、半导体和微波集成电路、航空航天等领域，从毫米波电路、射频电路封装设计验证，到混合集成电路、PCB板、无源板级器件、RFIC/MMIC设计，天线设计，微波腔体、衰减器、微波转接头、波导录波器等设计等https://img.jishulink.com/201905/imgs/a87080ebf6a64b1fbd6b40e9fe182118.png
1.1 电磁仿真算法分类、计算特点
计算电磁学（CEM）方法大致可分为2类：精确算法和高频近似方法。
（1）全波精确计算法
包括差分法（FDTD，FDFD）、有限元（FEM）、矩量法（MoM）以及基于矩量法的快速算法（如快速多极子FMM和多层快速多极子MLFMA）等，其中，在解决电大目标电磁问题中最有效的方法为多层快速多极子方法。
（2）高频近似方法
一般可归作2类：一类基于射线光学，包括几何光学（GO）、几何绕射理论（GTD）以及在GTD 基础上发展起来的一致性绕射理论（UTD）等；另一类基于波前光学，包括物理光学（PO）、物理绕射理论（PTD）、等效电磁流方法（MEC）以及增量长度绕射系数法（ILDC）等1.1 电磁仿真算法分类、计算特点
计算电磁学（CEM）方法大致可分为2类：精确算法和高频近似方法。
（1）全波精确计算法
包括差分法（FDTD，FDFD）、有限元（FEM）、矩量法（MoM）以及基于矩量法的快速算法（如快速多极子FMM和多层快速多极子MLFMA）等，其中，在解决电大目标电磁问题中最有效的方法为多层快速多极子方法。
（2）高频近似方法
一般可归作2类：一类基于射线光学，包括几何光学（GO）、几何绕射理论（GTD）以及在GTD 基础上发展起来的一致性绕射理论（UTD）等；另一类基于波前光学，包括物理光学（PO）、物理绕射理论（PTD）、等效电磁流方法（MEC）以及增量长度绕射系数法（ILDC）等1.1 电磁仿真算法分类、计算特点
计算电磁学（CEM）方法大致可分为2类：精确算法和高频近似方法。
（1）全波精确计算法
包括差分法（FDTD，FDFD）、有限元（FEM）、矩量法（MoM）以及基于矩量法的快速算法（如快速多极子FMM和多层快速多极子MLFMA）等，其中，在解决电大目标电磁问题中最有效的方法为多层快速多极子方法。
（2）高频近似方法
一般可归作2类：一类基于射线光学，包括几何光学（GO）、几何绕射理论（GTD）以及在GTD 基础上发展起来的一致性绕射理论（UTD）等；另一类基于波前光学，包括物理光学（PO）、物理绕射理论（PTD）、等效电磁流方法（MEC）以及增量长度绕射系数法（ILDC）等
https://img.jishulink.com/201905/imgs/99c1e42189534c769f38ff54007d296b.png算法计算特点汇总如下
https://img.jishulink.com/201905/imgs/7f5aea9debe9489586525571427d2930.png
小结
1.时域算法，属于显式算法，传统的CPU多核加速比好，核数越多计算越快，此外，并行度高，支持GPU加速计算，注意大部分求解器对GPU要求是双精度计算为主，也就是说需要用双精度性能高的GPU卡
2 频域算法，属于隐式算法，支持多核并行计算，但核数并行计算有限，不支持GPU计算，提升性能的手段，就是提升CPU的频率，足够大的内存，值得注意当内存非常大的时候（超过192GB），硬盘io性能非常关键
1.2 对并行计算求解过程分析
如何配置CPU要根据求解过程和算法特点，尤其要了解时域、频域两大算法特点紧密结合，这样才能更高效更合理，从并行求解流程图看，循环计算过程是单核和多核交叉过程https://img.jishulink.com/201905/imgs/9d43045a9e524c7485307e1e0715912a.png上图可以看出，CPU选型非常重要，CPU睿频足够高，大幅缩短【阶段1】求解时间，和整机足够核数+高频运行，大幅缩短【阶段2】的求解器解算时间
常规工作站卖家，提供的机器往往多核忽视了睿频的重要性，整个计算过程效率非常低，
因此 硬件配置注意：
1.如果是时域算法为主，例如 FDTD、FIT求解器，由于并行度高，工作站配置尽量多核，可显著提升求解速度，同时注意阶段1睿频高的处理器更快，如果是以GPU计算为主，可以配置CPU频率高，核数少的，这样整个过程显著提升
2.如果是隐式算法为主，例如 FEM，MOM求解器，由于并行度有限，一定要睿频尽可能高，同时保证足够的核数的并行，这样整个求解过程无死角瓶颈
3.如果是多种算法并用，CPU要足够核数与高睿频之间选择一个兼顾的规格，三种应用（时域算法、频域算法、混合算法）都均能确保工作站硬件计算性能最大化.
页:
[1]