2025年，《声学学报》刊发了题为《深海声学及水下声源定位研究进展》的综述文章（DOI: 10.11684/qdcxbc2025010001），系统梳理了我国在深海声传播、海洋环境噪声建模以及水下声源定位等方向的研究脉络。文中特别提到，以张仁和院士为代表的科研团队，自二十世纪九十年代以来持续深耕深海声道理论，提出的广义相积分简正波方法将传统算法的计算效率提升了数倍，使得复杂海洋环境下的声场快速预报成为可能。这一进展看似属于纯理论范畴，但其背后折射出的现实需求却十分迫切：无论是新型声呐装备的参数设计、潜艇声学隐身性能评估，还是水下通信链路的信道建模，都需要在数字空间中对广袤海洋中的声场分布进行高精度重构。而支撑这种重构的，正是持续进化的声场模拟技术与算力基础设施。
一、声波在海洋中的传播：一场与环境的持久博弈
海洋并非均匀介质。从海面到海底，海水的温度、盐度和压力随深度变化，形成复杂的声速剖面；海底地形起伏、沉积层结构差异则为声波提供了不同的反射与吸收边界；再加上内波、中尺度涡、锋面等动态海洋过程的不断扰动，声波在海洋中的传播轨迹远比空气中复杂得多。
在这种非均匀、时变的波导环境中，声场模拟的核心任务是求解亥姆霍兹方程或其时域形式——波动方程。由于海洋环境的边界条件极为复杂，解析解通常无法获得，数值方法成为唯一可行的途径。根据对波动方程的不同近似处理，目前主流的声场计算模型可分为三大类。
射线模型将声波视为沿特定路径传播的声线束，通过追踪声线的轨迹和强度来近似声场分布。这种方法计算速度快、物理图像直观，特别适用于高频、远距离的深海声传播场景。经典的BELLHOP模型就是射线模型的代表，它能够处理水平变化的海洋环境，并计算声线的折射、反射和聚焦效应。然而，射线模型在低频或强影区、会聚区附近的精度会显著下降，因为它忽略了声波的衍射和干涉效应。
简正波模型从波动理论出发，将声场展开为一系列本征模态的叠加。每一阶简正波对应一种特定的垂直结构，其水平传播则由相应的本征值决定。KRAKEN系列程序是简正波模型的典型实现，在水平分层或弱水平变化的环境中具有较高的计算精度。张仁和团队发展的广义相积分简正波理论，进一步优化了深海环境下高阶模态的计算效率。简正波模型的优势在于能够精确描述影区和会聚区的声场结构，但其计算复杂度随频率升高和模态数增加而快速增长，对于复杂三维环境的适应性也相对有限。
抛物方程模型采用单向传播的近似假设，将二维或三维的椭圆型波动方程转化为抛物型方程进行步进求解。这种方法在计算精度和效率之间取得了较好的平衡，RAM、UMPE等程序已被广泛用于复杂海底地形和水平变化环境中的声场预报。抛物方程模型能够自然处理声波的衍射效应，适合中频范围的远距离传播计算。不过，它的大角度扩展版本计算量较大，且在处理反向传播和强后向散射问题时存在固有局限。
面对真实海洋的三维复杂性，单一模型往往力不从心。近年来，耦合简正波模型、三维抛物方程模型以及射线-简正波混合模型的发展，使得研究人员能够在更高精度上模拟大陆坡、海山、中尺度涡等复杂环境下的声场时空演化。2025年发表的研究进一步指出，我国大陆坡海域内波频发、水下声信道空时变化剧烈，这对声场模拟的分辨率和计算规模提出了更高要求。
二、从物理方程到数值网格：算力需求的增长曲线
声场模拟的算力消耗主要来源于三个维度：网格分辨率、频率带宽和计算域尺度。
在有限元或有限差分离散框架下，空间网格的尺寸通常需要满足每个波长内布置数个至十几个节点的准则。这意味着，当计算频率从100Hz提升到1000Hz时，同样的空间范围所需的网格节点数将增长约一千倍。对于三维全波模拟，这种增长是立方级别的。一篇2025年的研究提到，在分析内波引起声场起伏的机理时，仅仅是一个二维剖面的瞬态声场计算，就需要在数百公里的传播距离上布置数万个网格点，并在每个时间步上求解大规模的稀疏线性系统。
频率依赖性还体现在时间步长的选取上。显式时域算法需要满足CFL稳定性条件，高频计算意味着更小的时间步长和更多的总步数。对于需要覆盖数十秒甚至数分钟物理时间的瞬态声传播模拟，累积的计算量极为可观。
计算域的尺度同样不可忽视。深海声道中，低频声波可以传播数百乃至数千公里。要在如此大的范围内保持足够的网格分辨率，同时又要考虑海底地形的三维起伏，所需的计算资源往往超出单台工作站的承载能力。这正是为什么在大规模声场模拟中，基于MPI的分布式并行计算已成为标准配置。
内存需求同样不容小觑。三维声场模拟的网格规模动辄数千万至上亿节点，每个节点又对应多个自由度和多个时间步的存储，整体内存占用很容易突破百GB级别。此外，海洋环境参数场（温盐剖面、海底地形、沉积层声学参数）本身也是海量数据，需要高速存储系统的支撑。
三、AI与物理模型的融合：声场预报的新范式
传统声场计算面临的一个长期困境是效率与精度的矛盾。高精度全波模拟耗时巨大，难以满足实时预报的需求；简化模型虽快，却在复杂环境中精度不足。近年来，人工智能技术的介入为这一领域开辟了新的可能性。
物理信息神经网络（PINN）是其中最具代表性的方向。通过在神经网络的损失函数中嵌入波动方程、边界条件等物理约束，PINN能够在小样本数据条件下学习声场的映射关系。2025年的研究综述中提到，基于物理先验信息的神经网络模型在海洋声场预测中已展现出潜力，虽然目前主要应用于浅海场景，但向深海环境的扩展正在推进。PINN的优势在于一旦训练完成，单次推理的速度远快于传统数值求解，有望在实时声呐性能预报、快速环境评估等场景中发挥作用。
水声大数据与智能目标识别是另一个活跃方向。现代声呐系统产生的数据量呈指数级增长，从海洋声学试验、装备调试到实际部署，积累了海量的水声信号样本。借助深度学习技术，研究者可以从这些大数据中挖掘目标散射特征、环境干扰模式，建立数据驱动的目标识别与分类模型。这实际上对计算平台提出了双重需求：既要能运行传统的高精度声场模拟以生成训练数据，又要具备充足的GPU算力以支撑神经网络的训练与推理。
迁移学习在水声定位中的应用同样值得关注。2025年的研究显示，研究者利用模型生成数据预先训练卷积神经网络，再通过少量实测数据进行迁移优化，显著提升了前向散射定位方法在环境失配条件下的稳健性。这种”仿真预训练+实测微调”的范式，需要工作站同时具备CPU密集型的仿真能力和GPU密集型的深度学习能力。
四、主流声场模拟软件工具
在工程实践和学术研究中，声场模拟的软件生态涵盖了从专用水声程序到通用多物理场平台的多个层次。
专用水声模型程序包括KRAKEN（简正波）、BELLHOP（射线/简正波）、RAM（抛物方程）、OASES（波数积分）等。这些程序通常用Fortran编写，源代码公开，经过数十年的验证和迭代，在各自适用的领域内具有高度的可信度。它们的优势是轻量、高效，适合批量参数扫描和基础研究；缺点是用户需要较强的物理背景和编程能力，且对复杂三维几何的处理能力有限。
通用多物理场仿真平台以COMSOL Multiphysics和ANSYS为代表。COMSOL的声学模块提供了压力声学、固体力学、多孔弹性波等多种物理接口，支持自定义偏微分方程，非常适合多物理场耦合的声场问题，如流-固耦合声散射、海底地震波与声波的耦合传播等。ANSYS的Mechanical和Fluent模块同样可以处理结构声学和流体声学问题。这类平台的优势在于前后处理功能完善、几何建模灵活、结果可视化丰富；劣势是计算开销大，对于超大规模远距离声传播问题的效率不如专用程序。
国产自主软件近年来也取得长足进展。部分高校和科研院所开发了面向特定海域的声场预报系统，结合实时海洋环境数据实现业务化运行。在国防和海洋安全领域，自主可控的仿真平台具有不可替代的战略价值。
五、算力工作站配置推荐
声场模拟的算力需求具有明显的分层特征：小规模二维简正波计算可以在桌面级平台上流畅运行，而三维全波瞬态模拟或多参数蒙特卡洛扫描则需要服务器级别的资源配置。以下按四级梯度给出配置建议，覆盖从教学科研到工程研制的完整需求谱系。
方案A：
适用场景：本科教学演示、二维简正波计算、小型射线模型参数扫描、学习阶段的水声算法开发
推荐机型：A350 15064-MBX
- 价格区间：3~4万
- CPU：Intel Ultra7 265K (20核, 8P核5.1GHz) +水冷（5.1GHz为全核超频实测优化频率，Intel官方单核最高5.5GHz）
- 内存：64GB DDR5
- GPU：RTX5060Ti 16GB
- 存储：4TB NVMe (14GB/s)
- 显存带宽：448GB/s
推荐理由：该配置以高主频桌面处理器为核心，配合64GB内存足以运行中小规模的二维声场模型。RTX5060Ti 16GB显存可支持轻量级的AI模型训练或水声信号处理算法验证。4TB高速NVMe存储确保海洋环境数据集和仿真结果的高速读写。整机静音塔式设计，适合实验室办公环境长期运行。
方案B：
适用场景：中等规模三维抛物方程计算、多工况批量仿真、硕士阶段课题研究、声呐性能初步评估
推荐机型：EX660 227128-MCA
- 价格区间：9~11万
- CPU：2×Xeon金牌6530 (64核2.7GHz) +水冷（2.7GHz为全核超频实测优化频率，Intel官方单核最高4.1GHz）
- 内存：128GB DDR5
- GPU：RTX A400
- 存储：4TB NVMe Gen5
- CPU性能：2.2Tflops
推荐理由：双路Xeon提供64核并行算力，128GB内存可支撑数百万网格节点的三维声场计算。NVMe Gen5存储进一步缩短了大规模数据的读写等待时间。虽然GPU仅为入门级专业卡，但声场模拟的核心负载在CPU端，此配置已能胜任多数工程应用级别的仿真任务。
方案C：
适用场景：复杂海底地形三维声场模拟、高频宽带脉冲传播计算、多物理场耦合仿真、博士及博士后阶段深度研究
推荐机型：EX660 227384-MCB
- 价格区间：20~22万
- CPU：2×Xeon金牌6554s (72核2.7GHz) +水冷（2.7GHz为全核超频实测优化频率，Intel官方单核最高4.1GHz）
- 内存：384GB DDR5
- GPU：RTX A2000
- 存储：4TB NVMe Gen5
- CPU性能：2.76Tflops
推荐理由：72核处理器配合384GB大内存，使得数千万网格节点的瞬态全波模拟成为可能。对于需要同时加载高分辨率海底地形数据、三维温盐场和长时间序列声源的复杂场景，大内存是避免频繁磁盘交换的关键。该机型在流体、爆炸和时域算法仿真方面具有成熟的应用验证，与声场模拟的计算特征高度契合。
方案D：
适用场景：超大规模声场数据库构建、AI驱动的水声目标识别系统训练、国家级海洋环境噪声预报、多频段耦合仿真
推荐机型：AlphaPro660 234512-MDT
- 价格区间：34~36万
- CPU：2×AMD霄龙9684X (192核3.5GHz, 超大缓存)（3.5GHz为全核超频实测优化频率，AMD官方单核最高3.55GHz）
- 内存：512GB DDR5
- GPU：RTX 5090 32G
- 存储：8TB NVMe (14GB/s)+20TB SATA
- CPU性能：10.7Tflops
推荐理由：192核霄龙处理器搭配512GB内存，为超大规模分布式声场模拟提供了单节点极限性能。超大缓存对频繁访问海洋环境参数表的计算尤为有利。RTX 5090 32G则为物理信息神经网络训练和水声大数据深度学习提供了强劲的GPU算力。双塔式结构配合2000W冗余电源，确保长时间满负荷运行的稳定性。20TB SATA数据盘为海量水声试验数据的长期归档提供充足空间。
六、常见问题
Q1：声场模拟是否一定需要GPU加速？
不一定。传统的简正波、射线和抛物方程模型主要依赖CPU进行浮点计算，GPU加速并非必需。但如果你的工作涉及基于神经网络的声场快速预报、水声信号深度学习处理或大规模蒙特卡洛统计模拟，一块中高端GPU会带来显著效率提升。
Q2：内存容量对声场模拟的影响有多大？
影响极大。三维全波模拟的内存占用与网格节点数的立方成正比。以一个1000×1000×200节点的三维网格为例，仅存储单精度声压场就需要约800MB内存，而时域显式算法通常需要同时保存多个时间步的数据，再加上刚度矩阵、质量矩阵等系统矩阵，总内存需求很容易突破几十GB。内存不足时系统将频繁进行磁盘交换，导致计算速度断崖式下跌。
Q3：射线模型和简正波模型该如何选择？
这取决于你的应用场景。射线模型计算快、适合高频（通常数百Hz以上）和远距离传播，但在影区和会聚区的精度有限。简正波模型在中低频（数十至数百Hz）精度更高，能正确处理影区和会聚区的声场结构，但计算量随频率升高急剧增加。对于需要兼顾效率和精度的中频问题，抛物方程模型往往是折中选择。
Q4：海洋环境数据从哪里获取？
公开渠道包括世界海洋数据库（WOD）、HYCOM海洋预报系统、ETOPO全球地形数据集等。对于特定海域的高精度研究，通常需要结合现场CTD测量、潜标观测和海洋数值预报模式输出。在国防和涉密应用领域，环境数据的获取和使用需遵守相关规定。
Q5：声场模拟结果如何验证？
验证途径主要包括：与海上声学试验的实测数据对比、与已发表文献中标准算例的比对、不同模型之间的交叉验证，以及网格收敛性分析。其中，海上试验验证是最具说服力的方式，但成本高昂、受天气和海况制约。在模型开发阶段，通常先用标准测试案例确认代码正确性，再逐步过渡到真实海域的复杂场景。
Q6：AI声场预测会取代传统数值方法吗？
短期内不会。AI方法目前主要作为传统数值方法的补充，在需要快速响应的场景（如实时声呐性能预报、初步环境评估）中发挥作用。对于精度要求极高的装备设计和科学研究，基于第一性原理的数值求解仍不可替代。未来的趋势更可能是”混合智能”模式：传统方法负责提供高精度的训练样本和基准验证，AI负责加速重复性预报和参数反演。
结语
声场模拟是一门将物理洞察与计算工程紧密结合的学科。从简正波到抛物方程，从物理方程到神经网络，求解工具在不断演化，但对算力的渴求始终如一。当一台工作站能够在数小时内完成过去需要数周的声场计算，当AI模型能在毫秒级给出传统方法需要数分钟才能获得的预报结果，这些技术进步最终都将转化为对海洋环境的更深理解、对水下目标的更准感知、对海洋权益的更有力维护。选择一台与任务相匹配的算力平台，不仅是对效率的投资，更是对科学问题本身的尊重。
如果您有任何配置疑问欢迎加微信沟通~
微信号：maxftxwx
