MC-CC方法应用于电磁-热多物理场统计分析

《Chinese Journal of Electronics》：The MC-CC Method Applied for Electromagnetic-Thermal Multi-Physics Statistical Analysis

　　

蒙特卡洛相关系数（MC-CC）方法是一种基于蒙特卡洛（Monte Carlo）方法基本原理的高效且精确的随机算法，可以有效提高随机有限差分时域（S-FDTD）方法的数值精度。然而，其应用仅限于电磁场的统计分析。在本文中，研究人员提出了一种能够高效、精确地解决热场和电磁-热多物理场随机问题的MC-CC方法。该方法在进行热场和电磁-热多物理场统计分析时，可以显著提高S-FDTD方法的数值精度，同时相比传统蒙特卡洛方法减少了计算时间。

**研究背景与问题阐述**
在计算能力快速增长的背景下，各种数值方法已在众多领域得到广泛运用。其中，有限差分时域（FDTD）方法是电磁学领域中一种常见的数值仿真技术，通过直接求解麦克斯韦方程组（Maxwell's equations）并采用时间和空间域的中心差分离散来处理电磁问题。然而，实际电磁仿真中，材料参数常呈现不确定性或统计变异性。例如，在生物电磁学中，生物组织的介电性质在不同个体间差异显著；在地球物理学中，地下地层的介电性质随地理位置变化。传统FDTD仿真通常仅能计算特征参数的均值，无法评估不确定性的影响。为此，需要随机算法来准确评估这些不确定性的影响。

传统蒙特卡洛（Monte Carlo）方法通过大量FDTD仿真获得电磁场的统计信息，精度高但效率低。随机有限差分时域（S-FDTD）方法虽可高效计算场均值和方差，但其对相关系数的近似处理导致数值精度较低。蒙特卡洛相关系数（MC-CC）方法结合了Monte Carlo与S-FDTD，利用少量Monte Carlo计算估算相关系数，从而提升S-FDTD的方差计算精度，但此前仅适用于电磁场分析。

**研究目的与意义**
本文旨在将MC-CC方法扩展至热场及电磁-热多物理场的统计分析，实现对热场随机问题及耦合场的高效精确求解。通过三个仿真模型验证：简单立方体模型、分层人体组织模型和人头模型。结果表明，MC-CC方法在保持近似数值精度的同时，显著降低了计算时间（约为Monte Carlo方法的5%）。该研究为多物理场统计分析的数值仿真提供了高效工具，论文发表于《Chinese Journal of Electronics》。

**关键技术方法**
研究人员采用了三种核心数值方法：（1）基于S-FDTD方法的基本原理，推导热场和电磁-热耦合场的随机迭代公式，其中需估算多个随机变量间的相关系数。（2）MC-CC方法通过少量（N次）Monte Carlo仿真计算协方差和方差，利用公式ρ_{X,Y}=Cov{X,Y}/(√σ2{X}·√σ2{Y})求解相关系数，并将其代入S-FDTD迭代中。（3）在电磁-热耦合分析中，采用两种策略计算热源Q的方差：策略一将电场视为确定性变量，策略二将电场视为随机变量。仿真模型包括简单立方体、分层人体组织（来源：公开数据，电磁和热学参数见表2和表3）以及人头模型（包含皮肤、灰质、脑脊液等组织，参数见表6和表7）。所有模型均设置对流换热边界条件，电磁激励采用正弦波或高斯脉冲。

**研究结果**
**1. The MC-CC Method for Thermal Analysis（MC-CC方法用于热分析）**
采用三维立方体模型（空间网格50×40×40，网格尺寸1 cm，时间步0.1 s），初始温度310 K，环境300 K，对流换热系数25 W/(m2·K)。以Monte Carlo方法为基准，比较S-FDTD法（相关系数设为±1）与MC-CC法（估算相关系数）的结果。通过温度均值与方差对比发现，MC-CC法模拟结果与Monte Carlo法高度一致，而S-FDTD法方差显著偏高，证明MC-CC法显著提升了S-FDTD在热场统计分析的数值精度。

**2. Layered Human Tissue Model（分层人体组织模型）**
模型为多层人体组织（电磁和热学参数见表2和表3），激励源为2 GHz正弦波（幅值10? V/m），网格0.5 mm，时间步0.33 ns，对流换热系数5 W/(m2·K)。采用总场/散射场（TF/SF）技术引入平面波，吸收边界条件（ABC）截断。仿真结果（图4）显示：电场和温度均值在Monte Carlo法与S-FDTD法之间相似；但方差对比中，S-FDTD法（相关系数设为±1）的波形与Monte Carlo法仅有波峰位置对齐，幅度差异显著；MC-CC法同时估算了电磁和热随机变量间的相关系数，得到的方差结果与Monte Carlo法非常接近。误差计算（公式10）和表4证实MC-CC法误差远小于S-FDTD法。表5显示MC-CC法计算时间仅为Monte Carlo法的约5%，表明该法在提升数值精度的同时未显著增加计算时间。

**3. Human Head Model（人头模型）**
为进一步验证实际应用效果，对二维人头模型截面（包含皮肤、灰质、脑脊液等，电磁与热学参数见表6和表7）进行仿真。激励源为高斯脉冲（幅值5×10? V/m，网格1 mm，时间步1.1 ps，对流换热系数10 W/(m2·K)）。图7-9显示：MC-CC法得到的温度均值和方差分布与Monte Carlo法高度一致；而S-FDTD法误差较大。表8比较了平均误差和仿真时间，MC-CC法在复杂模型下仍保持接近Monte Carlo法的精度，且计算时间优势更显著，仅为其约5%。

**结论与讨论**
讨论部分指出：在热场及电磁-热多物理场中，MC-CC方法通过有限次Monte Carlo计算近似相关系数，有效克服了S-FDTD法中相关系数近似精度低的缺陷，同时避免了传统Monte Carlo方法的高计算成本。三个模型（简单串联立方体、分层人体组织、人头模型）的仿真结果一致表明，MC-CC方法能够实现高效精确的随机问题求解。尤其对于复杂结构的人头模型，在保持近似数值精度的前提下，计算效率优势更为突出。研究结论原文翻译如下：

**结论**
本文将MC-CC方法的扩展应用于热场和电磁-热多物理场的统计分析，提高了使用S-FDTD方法解决热场和电磁-热多物理场随机问题时的计算效率。研究采用了三个仿真模型：简单串联立方体模型、分层人体组织模型和人头模型。三个模型的仿真结果均表明，MC-CC方法能够实现高效且精确的随机问题求解。当面对复杂的人头模型时，该方法在保持近似数值精度的同时，其计算效率优势更加明显。