光学手性在生命科学、物理领域和量子计算等众多科学领域中具有广阔的应用前景。由于二维手性超材料具有比天然物质的更强的光学手性,对二维手性超材料的探索成为一个值得关注的问题。然而二维手性超材料的传统研究方法,往往基于专业知识和经验,采用需要消耗大量计算时间和计算资源的数值仿真手段验证研究结果,导致二维手性超材料的科学探索难以高效地实现。近年来在各大研究领域大展身手、急速发展的人工神经网络算法为二维手性超材料的高效研究提供了新的思路和方法。本文以解决二维手性超材料的正向预测问题和逆向设计问题为目标,基于人工神经网络算法开展研究工作。主要工作如下:1.研究了二维手性超材料的结构形状与单元周期长度对其光学响应的影响,提出并实现了基于全连接神经网络与粒子群优化算法构建的正向预测网络模型,在确保模型的高准确度的情况下,获得比传统数值仿真方法快4个数量级的加速比,证实了人工神经网络算法能够加速对多形状二维手性超材料的正向预测问题的研究。2.研究了二维手性超材料的多个结构参数对其光学响应的影响,提出并实现了基于遗传算法优化与全连接神经网络的正向预测网络模型,在提高模型的准确度的同时,获得比传统研究方法快4个数量级的加速比;通过对比该模型与几种机器学习算法的学习能力,进一步说明了人工神经网络算法在求解更复杂的多参数二维手性超材料的正向预测问题中的有效性;同时表明人工神经网络算法能够一定程度上辅助二维手性超材料的逆向设计。3.研究了由二维手性超材料的光学响应反推其结构参数的逆向设计问题,提出并实现了基于残差神经网络的串联网络模型,避免了逆向设计问题可能出现的病态问题,做到在确保模型的准确度的情况下,大大加快了逆向设计问题的求解速度,证实了人工神经网络算法进一步应用于二维手性超材料的逆向设计问题的能力。研究表明,本文所采用的基于人工神经网络算法的研究方法能够有效地助力二维手性超材料的研究;相比于传统的数值仿真方法,在计算速度上具有巨大的优势;同时有望为手性超材料的设计提供新颖的逆向设计方案。