江苏双江能源科技股份有限公司

本发明公开了基于物理信息神经网络的绝缘油中流注放电形貌预测方法及系统，涉及高电场下液体电介质放电仿真技术领域。该方法包括：获取流注放电有限元模拟数据，提取不同时间节点的电场、电子及离子浓度的二维分布，并结合时间序列和空间坐标生成时空网格数据集；构建物理信息神经网络模型，计算数据损失和偏微分方程损失，并将预设的流注放电初始和边界条件作为硬约束，迭代更新得到收敛的预测模型并输出对应的电场、离子浓度及流注通道内温度的二维分布结果。本发明在神经网络中添加了温度约束项，能有效防止预测过程中的温度失真，可高效、准确地预测流注放电中的微观参数及宏观流注形貌。

本发明公开了一种融合混合算子池的自适应变分量子特征求解器油酸官能团计算优化方法，该方法首先构建OVP‑CEO与QE算子子集，结合适配规则生成混合算子池，精准刻画酯基弱关联与碳‑碳双键强关联特征；其次引入能量梯度与官能团特性的双重筛选机制，动态锁定目标适配算子以剔除冗余，大幅缩减量子线路深度与宽度，降低硬件负担；最后采用Hartree‑Fock态参考的动态拟设波函数策略快速收敛基态，并通过多轮测量与加权修正消除噪声干扰，提取高精度量子化学参数。该全链路优化设计成功打破传统算法瓶颈，在有限量子资源下实现了计算精度与求解效率的完美平衡。