近日，西安電子科技大學電院教授梁繼民團隊在三維電磁散射智能計算領域取得重要進展，研究成果發表于《IEEE天線與傳播匯刊》。
電磁散射特性（RCS）預測在飛行器隱身設計、雷達自動目標識別等領域具有重要意義。長期以來，如何平衡“計算精度”與“計算效率”是該領域的核心挑戰。全波數值仿真（如矩量法MoM、有限積分法FIT）雖然精度高但計算成本高昂，難以滿足現代工業設計中“快速迭代”的需求；而現有深度學習方法往往局限于二維場景或簡單三維目標，幾何泛化性較弱。
針對這一難題，團隊提出了一種基于非結構化三角網格的深度學習代理模型（GTC-3DEM）。該研究并未盲目堆砌模型，而是回歸電磁物理本源，將計算電磁學經典算法矩量法（MoM）的物理思想融入網絡設計。借鑒計算機視覺領域MeshGPT的設計思路，團隊構建了符合電磁物理規律的混合架構：利用圖神經網絡（GNN）處理三角網格拓撲連接，模擬表面電流在相鄰面元間的流動與連續性，以捕捉局部基函數交互；同時利用Transformer的自注意力機制，模擬電磁波在遠距離面元間的互耦效應，以表征全局電磁耦合。
GTC-3DEM網絡架構與物理機理映射示意圖。西安電子科技大學供圖
這種“物理機理與網絡算子”的對應設計，使得模型在保證物理合理性的前提下展現出顯著的計算潛力。測試結果表明，該模型單次計算耗時不到0.2秒，相比傳統全波仿真軟件實現了約170倍的加速，且在結構相似性（SSIM）等指標上與全波仿真結果保持了較高的一致性，實現了對寬頻帶、全空域電磁散射特性的快速預測。
目前的成果主要針對特定類別的飛行器進行預測，以此為起點，團隊正致力于探索從“專用代理模型”向“通用幾何電磁大模型”演進。團隊提出了“幾何預訓練-電磁微調”的統一范式，旨在借鑒大語言模型思路，通過學習海量三維幾何特征構建通用底座，進而實現對非金屬介質、等離子體鞘套等復雜電磁環境的快速建模，推動人工智能與電磁學的深度融合，為飛行器設計、電磁環境感知等復雜任務提供通用的智能計算底座。
相關論文信息：https://doi.org/10.1109/TAP.2026.3661600