01
显式算法，精度相比隐式算法低，但可扩展性更好，即在多台机器上的线性加速比相对较好，适合于多节点并行计算，对机器无特殊要求，一般对内存、IO要求相对较低。
HFSS作为计算电磁学的典型应用，在整个表的最上层，这代表其可扩展性低，适合高配、高IO的单机，性能越高越好。
这是由于两方面原因造成的：
1. 网络通信开销大
2. 内存要求高
HFSS也是这样，对网络要求极高。随着CPU核心数量的增加，带宽优势超过了核心效率。也就是说，堆机器不如堆网络带宽。
而在内存上的要求，跟算法、精确度十分相关，很大程度上取决于对需求与价格的取舍。
而结合以上这两种需求场景，网络要求高，内存需求大，单台大内存机器成为不二之选。
而且，资源足够，价格感人，还不用长期持有。
02
在过去，如果企业不购买成本极其高昂的大机器，工程师就不得不对规模和难度大的设计“拆分组合”处理，将几何结构分割成多个区域，到后期再合并结果。由于没有考虑所有的电磁耦合，这种方法是极容易出错的。
或者，工程师直接简化模型降低精度，以减少计算量。
这两种方法，工程师都能使用HFSS求解更大、更复杂的模型，而不会影响精度。
我们擅长的是方法二。
对研发工程师来说，使用集群有两大好处：
一、提高了单人使用上限
我们把一台台独立的单机集群化，也就是变成一个统一的计算资源池。在某种意义上来说，集群可以被看作是一台大的计算机，集群中的单个计算机通常叫做节点，由这些节点合作完成用户任务。
说人话就是，一个任务可以拆分多机跑，多个任务可以同时跑，来了大任务也不用担心被一台机器的上限所限制。
二、提高了团队协作水平
单机模式下大家都是各用各的，缺乏协作，也没有统一管理，无形中造成的沟通成本和损耗，其实并不小。
各种不同任务之间可能会出现资源争抢，互相干扰。比如，两个HFSS任务同时在一台机器上跑可能出现内存告警。
我们根据不同业务团队分工，为其在集群中划分不同的独立分区，这样既保证了不同组的研发们能在同一个集群中工作，保留各自操作习惯，同时还互不干扰。
同时，在建立起一套统一的使用规范基础上，我们支持项目数据、用户数据的统一管理和权限控制，不同业务团队之间可以根据不同用户权限共享计算、存储、软件资源等，整体上提高了整个团队的工作与协同效率。
这里不再展开，可以参考：从“单打独斗”到“同舟共集”，集群如何成为项目研发、IT和老板的最佳拍档？
03
这恐怕是很多CAE工程师的日常。
整个过程完全自动化，无需人为干预。
这对广大电磁场仿真工程师来说是非常大的利好，在减少工作量的同时降低了软件的使用难度，让工程师们可以将注意力完全放在如何得到好的仿真结果上。
接下来，让我们换一个视角来看这个问题。
HFSS支持将整个自适应网格剖分过程通过调度器进行多步骤提交，我们的调度器Fsched提供的Auto-Scale功能与这个过程简直是绝配。
最佳效果是分为三步：
第一步：初始网格生成，核数与内存需求很低；
第二步：网格自适应剖分，适度的核数与大量内存需求；
第三步：频率扫描，核数与内存需求高。
对用户来说，如果留的缓冲空间比较大，可能造成资源浪费，留的空间小了，任务可能运行失败。
更多应用场景可戳：Auto-Scale这支仙女棒如何大幅提升Virtuoso仿真效率？
04
从ANSYS HFSS 17.2开始，HFSS开始明确支持GPU加速。
是否选择使用GPU对求解器进行加速，主要还是取决于算法本身是否合适。
最新的ANSYS 2024 R1用户手册显示GPU加速主要在以下三种场景：
1. 频域求解器
2. 时域求解器
GPU加速需要占用HPC License，ANSYS Electronics HPC高性能选项模块同时支持CPU加速和GPU加速，1个HPC Pack可以启用1块GPU加速卡或8个CPU内核。
综合对比硬件成本与运算效率，目前业界普遍认为使用GPU跑HFSS性价比不高。
3. 自适应网格剖分技术结合fastone研发平台的Auto-Scale功能可提升任务成功率，减少资源浪费。
本次CAE实证系列Vol.14就到这里了。
下一期，我们聊Abaqus。关于fastone云平台在各种EDA应用上的表现，可以点击以下应用名称查看：
HSPICE │ OPC │ VCS │ Virtuoso │ Calibre
更多半导体用户案例，可以戳下方查看：
