1. 课程导入与HPC加速全景
当HFSS从“单个天线”“单个滤波器”走向“整机机箱+多天线阵列+线束+吸波材料+周期结构”这类大规模电磁模型时，工程师最先感受到的往往不是算法本身的问题，而是计算资源与时间成本的急剧上升。一个在中小模型上几分钟即可完成的扫频，在大规模模型中可能变成数小时甚至数天；一次参数扫描或优化迭代，更可能把这种等待放大几十倍。本课程要解决的核心问题，就是如何借助HPC（High Performance Computing，高性能计算）手段，让HFSS在大规模电磁模型上仍然保持可接受的求解周期与工程迭代节奏。
大规模HFSS模型的计算挑战来自哪里
HFSS基于有限元法（FEM），其求解规模与网格数量直接相关。网格数量又由几何复杂度、电尺寸、材料分布和求解频段共同决定。可以把主要压力来源归纳为四类：
- 电尺寸增大：模型物理尺寸相对波长的比值变大，网格密度需按波长划分，未知量数量随电尺寸近似呈三次方增长。
- 几何与材料复杂：倒角、缝隙、薄壁、多层PCB、频率选择表面等结构会迫使网格局部加密，并引入大量材料界面。
- 求解类型叠加：宽带扫频、参数扫描、优化、公差分析、多物理场耦合，会把单次求解成本乘以迭代次数。
- 内存与I/O瓶颈：大规模FEM矩阵求解对内存带宽、进程通信和磁盘读写都提出很高要求，单机往往在内存容量或求解时间上先触顶。
因此，大规模HFSS模型的瓶颈通常不是“算不动”，而是“算得慢、算不完、算不起”。HPC加速的价值，正是在可控的硬件与许可成本下，把求解时间压缩到工程可接受的范围内。
HPC加速在HFSS中的三条主线
HFSS的HPC能力并不是单一开关，而是由多条技术路线共同构成。理解它们的分工，是后续章节配置与调优的基础。
第一条主线是分布式求解（Distributed Solve）。它把一次频点求解的矩阵计算拆分到多台机器、多个MPI进程上，主要解决“单个频点太大、单机内存不够或太慢”的问题。典型配置包括DSO（Distributed Solve Option）与MPI进程数、机器列表、每机核数等。
第二条主线是频率扫描并行（Frequency Sweep / Spectral Decomposition）。它把多个频点的求解分配到不同进程或不同机器上并行执行，适合宽带扫频场景。它与分布式求解可以叠加使用，形成“频点并行×频点内并行”的两级加速。
第三条主线是参数扫描与优化并行（Parametric / Optimetrics HPC）。当设计需要扫描几何尺寸、材料参数或进行优化时，每个设计变体可以独立求解，天然适合并行。此时瓶颈往往转移到许可数量、任务调度和结果回收上。
从单机到集群：加速链路的整体视图
下面这张图给出HFSS大规模模型从建模到HPC求解的整体链路，重点表达“模型规模—求解类型—并行策略—资源与许可—结果”之间的对应关系，而不是具体操作步骤。
课程目标与学习路径
本课程围绕“能配置、能调优、能判断”三个层次展开。学完之后，你应当能够：
- 判断一个HFSS模型属于哪类计算瓶颈，是频点内规模过大、频点数量过多，还是设计变体过多。
- 根据瓶颈选择分布式求解、频率扫描并行或参数并行，并给出合理的进程数、机器数与许可组合。
- 在集群或工作站上完成HFSS HPC配置，包括MPI环境、机器列表、许可指向与任务提交。
- 通过求解时间、加速比、内存峰值和结果一致性，判断当前配置是否有效，并定位常见问题。
学习路径上，建议先建立“模型规模—求解类型—并行策略”的对应关系，再进入具体配置与调优。后续章节会依次覆盖HPC基础概念、分布式求解配置、频率扫描并行、参数与优化并行、集群环境搭建、许可与调度、性能分析与常见故障排查。每一部分都会结合可复现的示例参数和判断依据，而不是停留在概念介绍。
需要特别强调的是，HPC加速不是“把核数拉满”这么简单。一个典型的误区是：在频点数量很少、单频点规模也不大的模型上开启大量MPI进程，结果通信开销超过计算收益，求解时间反而变长。另一个误区是忽略许可限制，配置了32个进程却只有8个HPC许可，任务只能排队或降级运行。因此，本课程会反复强调“匹配”二字：并行策略与瓶颈匹配，资源投入与模型规模匹配，配置结果与验证指标匹配。