本发明公开了基于算子学习的低气压等离子体粒子模拟方法及系统，涉及低气压等离子体技术领域。本发明包括：构建等离子体粒子模型，给定等离子体粒子模型的训练任务集和任务目标集；基于等离子体粒子模型的场方程构建基于算子学习的算子神经网络，设计相应的约束条件和损失函数，并选择恰当的神经网络参数；对构建完成的算子神经网络进行训练，使损失函数值逐渐收敛至设定值后结束训练；将训练好的算子神经网络作为等离子体粒子模型的场方程求解器，计算输出等离子体粒子模型的模拟结果。本发明能够在相同模型结构、不同参数条件下显著提升粒子模型仿真效率，相较于传统粒子模拟方法，克服了场方程求解依赖大量迭代、计算成本高的缺点。