一种基于深度学习的电磁场仿真优化方法及其系统

本发明公开一种基于深度学习的电磁场仿真优化方法及其系统。本发明对计算区域进行离散化，将其划分成有限个单元；对每个单元的电场构建有限元矩阵；将有限元矩阵进行分块处理，将其中分别描述三角形面区域的电场梯度和电场旋度的两个子块矩阵分别采用类不完全乔里斯基分解模型分解为上三角矩阵和下三角矩阵；对上三角矩阵和下三角矩阵求逆，得到有限元矩阵的近似逆；将有限元矩阵的近似逆代入到共轭梯度算法中，求解得到每个单元的电场；根据每个单元的电场获取对应的磁场，从而获取电磁仿真结果。本发明通过“分块降维‑图结构学习‑物理约束增强”的技术路径，攻克了电磁场仿真中预处理效率与适应性难以兼顾的瓶颈问题。