我国原油供应的对外依存度已达 70%，严重威胁能源安全，是目前亟待解决的“卡脖子”问题。我国页岩油气储量居世界首位，但由于页岩主要以陆相沉积和中低成熟度为主，现有的非常规油气开发技术无法高效应用。因此，理解页岩油气产生机理具有重大战略意义。干酪根是页岩油气的生成母质，具有分子量大、结构复杂、性质多样等特点，对它的演化机制研究是理解其产油产气机理的关键。干酪根经过早期成岩作用之后，由于埋藏温度的升高，进一步演化受热裂解的影响，因此，理解干酪根热演化的量子力学机制是认识干酪根形成、实现页岩油革命的关键之一。干酪根成熟度与地质演化阶段直接相关，是判别油气生成潜力的重要依据，有助于进一步预测干酪根裂解生成油气产量。

基于以上背景，本文从力学的角度出发，结合理论、实验、机器学习等方法，研究干酪根的热演化的量子力学机制。目前干酪根成熟度主要通过实验测量，其中最常用的指标是镜质体反射率。然而镜质体反射率并不能反映出干酪根成熟度变化过程中化学结构的演变规律，因此，基于量子力学与轨道杂化，提出了一种新的干酪根成熟度指标，轨道杂化成熟度指数 (Orbital Hybridization Maturity Index, OrbHMI)。该指标进一步阐明了干酪根熟化过程中化学结构变化的底层物理机制，OrbHMI 以 sp² 和 sp³ 杂化碳的比例来表征干酪根热解过程中化学键的断裂和重组，可以更深层次地解释干酪根的热演化机制。当 sp² 杂化碳比例升高时，OrbHMI 的值也随之升高，干酪根成熟度增加，分子结构向芳香结构转变。由于轨道杂化是量子层面的参数，而成熟度属于干酪根的宏观性质，利用传统研究方法费时又费力，因此，引入机器学习技术来阐明轨道杂化与成熟度之间的关系。结合大量核磁共振数据构建了基于轨道杂化的干酪根成熟度表征模型，成熟度的平均预测误差仅为 4.91%，超过 87% 的测试样本误差小于 10%。结果表明该模型能够准确预测干酪根的成熟度。

基于流体力学和量子力学，推导了不可压缩薛定谔方程的一般形式，退化后的方程与不可压缩薛定谔流控制方程相符。基于此结论与机器学习方法，建立了预测不可压缩薛定谔流波函数的机器学习模型，比较了模型参数的影响并确定了最终参数。得到的结果在预测波函数上表现良好，对双组分波函数的预测总误差低于 5%。

本文研究了干酪根的热演化的量子力学机制，建立了基于机器学习的干酪根成熟度表征模型，探究了干酪根熟化过程化学结构的演变，提出了基于轨道杂化的成熟度指标。这些研究为认识人工催熟、预测干酪根结构和生烃潜力提供新思路。同时分析了流体动力学方程的量子力学形式，建立了神经网络模型用于预测不可压缩薛定谔流的波函数。