随着射频与微波技术的发展应用,人类的生产与生活方式发生了重大改变。进入21世纪,人们对射频与微波电磁场的建模无论在精度上还是在建模周期上都提出了更高的要求。人工神经网络作为模拟人脑的一种智能信息处理系统在射频与微波领域的应用越来越广泛。人工神经网络可以在不了解射频与微波电磁场器件内部细节的情况下对它们进行精准且快速的建模,被证明是射频与微波领域中的一种非常有效的建模方法。但是基于电磁的神经网络建模方法通常需要反复调节器件的几何参数值,重复执行多次电磁仿真来获取训练神经网络所需的训练数据以及验证神经网络所需的测试数据。如今,基于电磁的神经网络建模技术遇到了前所未有的挑战:一方面,随着电磁场的规模越来越大,这种重复的电磁场仿真将占据大量的时间;另一方面,人们对精度越来越高的要求使得训练数据呈现爆炸式增长,神经网络的训练过程变得越来越慢。为了适应时代的发展,人们迫切需要一种快速且精准的微波电磁场建模方法来降低开发成本,提高市场竞争力。并行计算早在几十年前就在复杂科学工程计算领域得到了广泛的部署与应用,但是在射频与微波领域的应用相对来说还比较少。本文旨在尝试将并行计算技术应用于电磁场的神经网络建模中,在仔细分析了基于电磁的神经网络串行建模方法后,提出了并行的建模方法。基于电磁的神经网络并行建模方法将电磁场输入样本和训练样本进行分解并发送给多台电脑下的多个处理器进行并行处理,实现了电磁场的数据并行产生和神经网络的并行训练。通过两个具体微波滤波器的神经网络建模例子来验证我们提出的基于电磁的神经网络并行建模方法的有效性。从实验结果可以看出,将并行计算应用于电磁场的神经网络建模中是可行的。基于电磁的并行建模方法在保证原有串行建模精度的前提下,缩短了建模周期,提高了建模效率,能够对微波电磁场器件进行快速且精准的建模。