一种基于变分自编码器的低气压等离子体粒子模拟方法

本发明公开了一种基于变分自编码器的低气压等离子体粒子模拟方法，包括以下步骤：首先建立等离子体粒子模型，用于生成神经网络训练所需的数据集；构建基于变分自编码器的神经网络框架，以重构模型的源场并推导相应解场；根据神经网络的闭包关系设计损失函数，并优化神经网络超参数；对该网络进行训练，直至损失函数收敛至预定阈值。该方法能够精确重构等离子体粒子模型的源场，并准确求解其解场。相较于传统基于神经网络的粒子模拟方法，本发明有效克服了复杂源场表达困难以及方程求解精度不足的问题，能够通过有限样本数据高效训练出准确的映射关系。