一种基于量子-深度学习协同的核聚变等离子体多尺度动态优化方法及系统

本发明涉及人工智能技术领域，且公开了一种基于量子‑深度学习协同的核聚变等离子体多尺度动态优化方法及系统。本发明包括以下步骤：将等离子体截面离散为网格，构建含量子比特的Ising模型，通过量子退火算法优化磁场分布；采用时空卷积神经网络(ST‑CNN)预测等离子体破裂风险，输入层包含多通道磁探针时序数据；通过强化学习动态分配量子计算与经典计算资源，实现多物理场协同优化。