近年来,硅光子技术发展已较为成熟,基础的硅波导器件已经被深入研究,强大的设计套件对于光子集成电路至关重要,因此已经建立了具有多样性的片上光子功能元件库。精细设计的集成光学设备通常来自对物理学的良好理解以及对几个设备参数的直觉尝试或多次调整。然而该设计原理是基于具有非常有限的参数空间的常规器件几何结构,这种方法在实际中无法完全探索器件所拥有的全部属性,以及完全发挥现有技术的半导体制造能力,本文针对这一现象,开展了对基于逆向设计应用于光子集成电路的研究。数字元结构是一种有吸引力的器件几何结构,其将电介质波导离散成具有二元或多级材料特性的多个像素。每个像素的材料属性由直接二进制搜索(Direct binary search,DBS)算法确定。与传统的周期性或光子带隙结构相比,这种人为的不均匀性允许在亚波长(Subwavelength,SW)尺度下更灵活的折射率工程。基于DBS方法,已有多种数字元器件的演示,如功率分配器具有灵活的比例,急弯,模多路复用器,超紧凑绝热锥,光栅耦合器等等,虽然这种设计方法已经显示出许多新型纳米光子器件的巨大潜力,但优化的计算成本是一个大问题,神经网络出色的预测和拟合能力,可以在一定条件下解决这个问题。本文选择了超宽带多模干涉耦合器(Multimode interference coupler,MMI)和衰减器作为设计的器件,分别采用传统的基于数字超材料的像素点型优化设计方法,其利用光学仿真软件进行器件的优化设计,和使用数字超材料与神经网络结合的混合式系统的方法进行器件的优化设计,以及使用神经网络逆向优化设计方法对目标器件进行设计的三种不同方法,分别对得到的结果进行分析对比。与已有的基于数字超材料的像素点型优化设计方法相比,混合式系统设计方法和逆向设计方法在得到的结果与设计目标值相同或相近的情况下,缩短了设计所需的时间成本,我们通过人工神经网络设计方法的预测功能和模拟复杂输入输出关系的能力,加快了自动优化设计中波导器件的开发周期,我们相信通过继续改进人工神经网络方法,能将使预测的结果更加准确和预测范围越加丰富。而且随着人工神经网络方法的持续改进还可以挖掘出器件的更多的特性,能实现一些传统器件难以实现的性能。