电磁仿真软件HFSS的计算流程如下：

1. 对几何初始划分网格，调用求解器计算；

2. 返回计算结果；

3. 按照一定规则对某些地方进行网格加密，生成新网格；

4. 再计算，得到计算结果；

5. 达到收敛准则就结束，否则重复步骤3；

用过HFSS的工程师都知道，HFSS采用的四面体网格，网格的大小直接影响计算时间。HFSS运行一次求解器是非常耗时的，对于中等规模的模型（100M左右，普通PC机），短则几小时长则好几天。在该计算流程中，相当多的时间用在网格加密上，这个过程就是反复调用求解器（多次运行求解器）的过程，随着网格的不断加密，运行一次求解器求解时间也会越来越多（网格数目随着网格尺寸减少呈指数级增加）。

其它的CAE/CFD等仿真软件流程也与之类似。那有没有一种方法，在初始划分网格的时候就能自动进行网格加密呢？答案是肯定的，在之前的文章中介绍过，参看附录，但是该方法仍然有很多局限性。随着AI技术的发展，AI的计算能力和准确率有了很大提高（很多AI算法几十年前都提出过，只不过最近几年，生态环境有所改善，研究门槛降低，落地的项目增多，以前很多只能在实验室的东西可以工业化应用了），可否通过AI技术来对网格进行自动划分呢？本文就此进行一些研究和探讨。

仍然以HFSS为例，通常网格加密区域为Port，PEC等区域。我们把Port，PEC的最终网格尺寸作为输入数据，把计算结果作为输出数据。通过神经网络建立训练流程。在这个过程中需要考虑的几个问题：

1. 训练需要在足够多的样本；在HFSS中通过参数化建立最简单的几何（），设置Port，边界后，生成计算结果。然后通过修改几何参数，生成足够多的样本数据。这个过程可以用过HFSS提供的VB脚本来实现。

2. 有了足够多的样本训练之后，通过神经网络建立起深度学习模型，建立模型输出规则；

3. 验证规则：仍然使用开始建立的简单几何，修改参数，使用训练结果对几何设置网格参数（HFSS中可以人工对某块几何设置网格参数）。

4. 对比AI划分参数和HFSS迭代划分网格效果。

如果AI分化的网格结果能接近HFSS最终的网格划分效果，说明AI算法是很成功的。AI自动划分网格的优势在于：对于大部分EDA几何来说，拓扑通常是不会发生变化的（不同厂家的PCB板，接线器 形状都不会改变，只是尺寸不同），这样就极大的减少了AI算法对训练样本的要求。一旦训练成功，以后对于类似问题进行仿真即可一次性划分网格到位，也就是只需要调用一次求解器。这种效果估计是HFSS工程师梦寐以求的，因为大部分时间里，HFSS工程师只能坐在那里干等计算结果。

当然，进一步通过人工智能图形识别等技术，可以自动识别Port(这种识别和一般的特征提取有本质区别)，设置PEC等，工程师只需把几何丢进HFSS就可以了，这个后面单独讨论。总之，人工智能已经成为未来技术领域发展趋势，并已经体现在国家科技战略规划中。目前人工智能在图形图像识别，无人驾驶，智慧城市，智能家居领域逐步落地，可以预见人工智能也会应用到CAE/EDA/CFD等领域。作为数值计算研发平台，FasPlatform后续也会集成人工智能算法和应用。