研究和求解器更新
支持 NVIDIA® GPU
新版本为压力声学和代理模型训练添加了 GPU 支持，适用于配备了兼容 NVIDIA® GPU 的系统。
时域显式压力声学的 GPU 加速
线性时域显式压力声学模型现在可以通过支持现实阻抗边界条件的加速公式进行求解，通过与 NVIDIA® GPU 卡配合使用，加速效果可以显著提高，具体幅度取决于硬件配置。要启用这一功能，必须安装 CUDA® Toolkit（可以在安装过程中指定工具包路径）。您可以参考开放式办公空间的声学分析教学案例，了解如何使用这一功能。有关更多详细信息，请参阅声学模块发布亮点。
DNN 代理模型训练的 GPU 加速
新版本添加了对 DNN 代理模型训练的 GPU 支持，大幅提高了训练效率，并加快了可用于 App 和各种仿真环境中的代理模型的开发速度。要激活此功能，请确保在 COMSOL 安装程序的产品 页面上选中 CUDA DNN 支持 选项。同时，还必须安装 NVIDIA® CUDA® Toolkit（可从 NVIDIA® 网站下载）。
代理模型数据生成的功能改进
现在，为 DNN 代理模型生成空间、时间和频率相关的数据变得更加便捷。
在模型组件的定义 中，新增的代理模型采样 子菜单中提供了几何采样 选项，用户能够直接在域内、边界上、沿边或在顶点处进行数据采样，省去了文件导出或导入的工作流程。
此外，代理模型训练 研究中还新增了研究相关输入 选项，现在可以在训练数据中包含瞬态或频率扫描结果，简化了将动态或频率相关数据整合到代理模型的过程。
优化
离散伴随求解器类型
现已推出一种新的时间离散 伴随求解器类型，适用于最优控制和瞬态参数估计。这种求解器类型基于离散灵敏度方法，能够增强使用瞬态求解器 进行梯度优化的鲁棒性、精度和性能。
在处理瞬态参数估计问题时，使用稀疏非线性优化器 (SNOPT) 或内点优化器 (IPOPT) 求解器可以显著提高计算速度。这得益于整个目标的综合灵敏度能够在一次计算中获得，无需为每个测量点单独进行计算。之前的连续灵敏度方法仍然可用，但不再是瞬态优化的默认方法。
离散和连续方法均通过检查点减少内存消耗，其中涉及重新计算正演解。此外，还新增了核外 选项，作为正演解处理的替代方案，使用临时磁盘空间以避免重新计算。
高效全局优化
新版本引入了采用高效全局优化 (EGO) 算法的无梯度优化求解器，特别适用于处理存在多个局部最优解的优化问题，因为它不需要对控制参数进行初始猜测，并且不易陷入局部最小值，对于频域分析等具有挑战性的优化问题尤为实用。
尽管 EGO 求解器因其全局搜索策略而比局部优化方法运行速度慢，但它在应对复杂解空间方面提供了重要的鲁棒性。在运行 EGO 求解器后，建议采用局部优化方法进一步处理结果以优化解。此外，该求解器还支持检查分析中使用的底层代理模型，以便更深入地理解优化过程。
非线性特征值求解器和改进的排序功能
现在，特征值求解器中新增了一个基于 ARPACK 库的非线性特征值求解器选项，用户在求解非线性特征值时无需进行手动迭代。这对于包含黏弹性材料的结构分析、电磁模式分析等非常有用。
此外，特征值、特征频率 和边界模式分析 研究步骤设置中还新增了过滤和排序 栏。用户可以应用过滤表达式（如 real(freq) + 1e-6 > 0），并按照各种准则（如实部、虚部、它们的幅值或绝对值）对特征解进行升序或降序排列。在处理特征值类型的解时，还可以使用特征值求解器 和组合解 特征节点中的排序选项。
正交分解 (POD) 降阶模型
新版本添加了一种新的模型降阶技术 - 正交分解 (POD)，其核心理念是通过使用模型的快照，利用主元分析的方法对物理场进行分解。POD 对于在频域中参数化的问题非常有效。
求解器的功能改进
线性求解器的自适应容差
在求解非线性问题时，现在可以启用线性求解器中的容差自适应变化，这将显著加快计算速度。新方法使用非线性求解器的误差估计，当解远离精确值时，使用较低的精度进行求解；而当解接近收敛时，则使用较高的精度求解。线性求解器的自适应容差支持常数 阻尼方法，并支持与常用于稳态 CFD 问题的伪时间步进方法一起使用。
代数多重网格 (AMG) 方法的缩放
现已支持自动确定 AMG 方法的行缩放。只需在稳态求解器 节点的高级 节点下启用行平衡，系统便会自动选择合适的比例因子，以优化多重网格求解器的性能。
