近日，西安电子科技大学电院教授梁继民团队在三维电磁散射智能计算领域取得重要进展，研究成果发表于《IEEE天线与传播汇刊》。

电磁散射特性（RCS）预测在飞行器隐身设计、雷达自动目标识别等领域具有重要意义。长期以来，如何平衡“计算精度”与“计算效率”是该领域的核心挑战。全波数值仿真（如矩量法MoM、有限积分法FIT）虽然精度高但计算成本高昂，难以满足现代工业设计中“快速迭代”的需求；而现有深度学习方法往往局限于二维场景或简单三维目标，几何泛化性较弱。

针对这一难题，团队提出了一种基于非结构化三角网格的深度学习代理模型（GTC-3DEM）。该研究并未盲目堆砌模型，而是回归电磁物理本源，将计算电磁学经典算法矩量法（MoM）的物理思想融入网络设计。借鉴计算机视觉领域MeshGPT的设计思路，团队构建了符合电磁物理规律的混合架构：利用图神经网络（GNN）处理三角网格拓扑连接，模拟表面电流在相邻面元间的流动与连续性，以捕捉局部基函数交互；同时利用Transformer的自注意力机制，模拟电磁波在远距离面元间的互耦效应，以表征全局电磁耦合。

GTC-3DEM网络架构与物理机理映射示意图。西安电子科技大学供图

这种“物理机理与网络算子”的对应设计，使得模型在保证物理合理性的前提下展现出显著的计算潜力。测试结果表明，该模型单次计算耗时不到0.2秒，相比传统全波仿真软件实现了约170倍的加速，且在结构相似性（SSIM）等指标上与全波仿真结果保持了较高的一致性，实现了对宽频带、全空域电磁散射特性的快速预测。

目前的成果主要针对特定类别的飞行器进行预测，以此为起点，团队正致力于探索从“专用代理模型”向“通用几何电磁大模型”演进。团队提出了“几何预训练-电磁微调”的统一范式，旨在借鉴大语言模型思路，通过学习海量三维几何特征构建通用底座，进而实现对非金属介质、等离子体鞘套等复杂电磁环境的快速建模，推动人工智能与电磁学的深度融合，为飞行器设计、电磁环境感知等复杂任务提供通用的智能计算底座。

 相关论文信息：https://doi.org/10.1109/TAP.2026.3661600