Óptica numérica · Artículo 07

Solo el borde importa: BEM

Si conoces los campos en la superficie, las funciones de Green te dan los campos en todas partes. BEM reduce la dimensión del problema en uno — y con ello, el coste computacional.

El BEM parte de una observación profunda: para medios homogéneos por trozos, las ecuaciones de Maxwell se pueden reformular como ecuaciones integrales sobre las superficies que separan los materiales. El volumen desaparece. Solo queda el borde.

La idea

En FEM y FDTD discretizas todo el volumen — cada punto del espacio donde el campo puede existir. En BEM, usas el hecho de que dentro de cada región homogénea, el campo satisface la ecuación de Helmholtz. Y la solución de la ecuación de Helmholtz en una región homogénea se puede escribir completamente en términos de los campos en su frontera, usando el teorema integral de Green:

E(r)=S[G(r,r)EnGnE(r)]dS\mathbf{E}(\mathbf{r}) = \oint_S \left[ G(\mathbf{r}, \mathbf{r}') \, \frac{\partial \mathbf{E}}{\partial n'} - \frac{\partial G}{\partial n'} \, \mathbf{E}(\mathbf{r}') \right] dS'

donde G(r,r)G(\mathbf{r}, \mathbf{r}') es la función de Green de espacio libre — la respuesta del medio a una fuente puntual. En 3D:

G(r,r)=eikrr4πrrG(\mathbf{r}, \mathbf{r}') = \frac{e^{ik|\mathbf{r} - \mathbf{r}'|}}{4\pi|\mathbf{r} - \mathbf{r}'|}

Si discretizas la superficie en NN elementos y aplicas las condiciones de contorno (continuidad de los campos tangenciales), obtienes un sistema lineal. La clave: las incógnitas viven solo en la superficie, no en el volumen.

Del volumen a la superficie: la integral de Stratton-Chu

El punto de partida es el teorema de equivalencia de Love: los campos en el exterior de un objeto están completamente determinados por las corrientes superficiales equivalentes Js=n^×H\mathbf{J}_s = \hat{n} \times \mathbf{H} y Ms=n^×E\mathbf{M}_s = -\hat{n} \times \mathbf{E} en la frontera.

La representación integral de Stratton-Chu expresa el campo en cualquier punto r\mathbf{r} fuera de la superficie como:

E(r)=Einc+S[iωμGJs+JsG+Ms×G]dS\mathbf{E}(\mathbf{r}) = \mathbf{E}_{\text{inc}} + \oint_S \left[i\omega\mu \, G \, \mathbf{J}_s + \mathbf{J}_s \cdot \nabla' G + \mathbf{M}_s \times \nabla' G \right] dS'

Las incógnitas son Js\mathbf{J}_s y Ms\mathbf{M}_s — funciones definidas solo en la superficie. Al aplicar las condiciones de contorno (continuidad de las componentes tangenciales en la interfaz), se obtiene un sistema de ecuaciones integrales. La formulación más usada es PMCHWT, que es estable para problemas de scattering.

Volumen vs. superficie

Aquí está la diferencia visual entre discretizar el volumen (FEM/DDA) y discretizar solo el borde (BEM). Ajusta la resolución y observa cómo escala el número de incógnitas:

Explorar
Resolución 8
BEM solo discretiza el borde — el interior queda libre. A mayor resolución, la ventaja de BEM crece (N² vs N³ en 3D).

En 2D, el volumen tiene O(N2)O(N^2) incógnitas y el borde O(N)O(N). En 3D, la diferencia es aún mayor: O(N3)O(N^3) vs O(N2)O(N^2). Para una esfera de 100 nm resuelta con celdas de 2 nm, un método volumétrico necesita ~65.000 incógnitas; BEM necesita ~8.000.

Acelerando BEM: el método de multipolos rápido

La matriz densa de BEM es su talón de Aquiles. Para N=104N = 10^4 elementos de superficie, la matriz tiene 10810^8 entradas. Almacenarla y resolver el sistema con un método directo es prohibitivo para problemas grandes.

La solución es el FMM (Fast Multipole Method): las interacciones entre elementos lejanos se agrupan en expansiones multipolares. Solo las interacciones cercanas se calculan exactamente. El resultado: la multiplicación matriz-vector pasa de O(N2)O(N^2) a O(NlogN)O(N \log N) o incluso O(N)O(N), sin almacenar la matriz completa. Con FMM + solucionador iterativo (GMRES), BEM escala a millones de elementos.

Ventajas y limitaciones

¿Dónde brilla BEM?

BEM es el método natural para problemas de scattering en espacio abierto con interfaces bien definidas:

BEM en la práctica

El software de referencia en nanofotónica es MNPBEM (Metal NanoParticle BEM), un toolbox de MATLAB/Octave desarrollado por Hohenester y Trügler (Universidad de Graz). Usa la formulación PMCHWT, incluye materiales dispersivos (Drude, datos tabulados de Johnson & Christy), y calcula campos cercanos, secciones eficaces, EELS y espectros SERS. Otros: SCUFF-EM (open-source, C++, FMM incluido, problemas grandes) y Bempp (Python, genérico).

Un ejemplo concreto: el campo cercano de un dímero de nanopartículas de oro con gap de 1 nm — el hotspot del que hablamos en el módulo de plasmónica. MNPBEM con ~2.000 elementos de superficie por esfera (4.000 total) resuelve el problema en minutos y da el enhancement con precisión de ~1%. Con FDTD, necesitarías una rejilla de 0.25 nm de resolución y un dominio enorme — horas de cálculo para peor precisión.

Cerrando el módulo

Con BEM cerramos el recorrido por los métodos numéricos. Cada uno tiene su nicho:

El arte no está en conocer un solo método, sino en saber cuál usar para cada problema. Y la mejor forma de desarrollar esa intuición es resolver problemas — muchos problemas — con herramientas diferentes y comparar.

Ejercicios

Ejercicio 1

Una nanoesfera de 50 nm de radio se discretiza con elementos triangulares de ~5 nm de lado. Estima el número de triángulos en la superficie (pista: el área de la esfera es 4πa24\pi a^2 y cada triángulo equilátero de lado ll tiene área 3l2/4\sqrt{3}l^2/4). ¿Cuántas incógnitas tendría un método volumétrico (DDA con celdas de 5 nm) para la misma esfera? ¿Cuántas veces más incógnitas tiene el volumen que la superficie?

Solución

Área de la esfera: 4π×502314164\pi \times 50^2 \approx 31\,416 nm². Área de cada triángulo: 3×25/410.8\sqrt{3} \times 25 / 4 \approx 10.8 nm². Triángulos: 31416/10.8290031\,416/10.8 \approx 2\,900. Con 2 incógnitas vectoriales por triángulo (J y M tangenciales): ~6.000 DOF para BEM.

Volumen de la esfera: (4/3)π×503524000(4/3)\pi \times 50^3 \approx 524\,000 nm³. Celdas cúbicas de 5 nm: 524000/1254200524\,000 / 125 \approx 4\,200 dipolos. Con 3 componentes por dipolo: ~12.600 DOF para DDA.

El volumen tiene ~2× más DOF. Pero la diferencia crece con el tamaño: para una esfera de 500 nm, el ratio sería ~10×. En 3D, BEM gana cada vez más a medida que la partícula crece.

Ejercicio 2

El visualizador de arriba muestra la diferencia entre discretización volumétrica y superficial. Si pasas de 2D a 3D: un cubo de lado LL discretizado con celdas de tamaño hh tiene (L/h)3(L/h)^3 celdas volumétricas y 6(L/h)26(L/h)^2 celdas superficiales. Para L/h=100L/h = 100 (resolución típica), ¿cuántas veces más incógnitas tiene FEM/DDA que BEM? ¿Qué implica esto para la memoria?

Solución

Volumen: 1003=106100^3 = 10^6. Superficie: 6×1002=600006 \times 100^2 = 60\,000. Ratio: 106/6000017×10^6/60\,000 \approx 17\times.

Pero la memoria escala diferente: FEM (dispersa) necesita O(N)O(N) memoria; BEM (densa sin FMM) necesita O(N2)O(N^2) = O(600002)=3.6×109O(60\,000^2) = 3.6 \times 10^9 entradas. FEM con 10610^6 DOF y ~20 entradas no nulas por fila necesita 2×1072 \times 10^7 entradas. La paradoja: BEM tiene menos incógnitas pero puede necesitar más memoria por la densidad de la matriz. El FMM resuelve esto.