人工电磁超表面由于其独特的电磁特性而受到人们的关注,其应用范围很广泛,常见于天线、雷达和多种电磁功能器件。在进行电磁超表面设计时,往往需要用到电磁仿真软件对其进行结构建模、仿真计算和参数优化。当结构较为复杂时,这是一件非常耗时的工作。如何对复杂超表面结构进行快速设计,成为了超表面技术研究领域的一个重要课题。近年来,随着人工智能技术的快速发展,一些专家学者引入深度学习的思想,构建神经网络对超表面的结构参数进行设计,为人工电磁超表面的设计方法提供了不一样的思路。基于深度学习技术来设计超表面是一种非常便捷的设计方法,通常不需要太关注超表面的复杂建模过程,也不必对其各种结构参数进行扫描,只需要学习不同结构参数和其对应的电磁特性之间的对应关系即可,这对于研究超表面的设计思路有很好的参考价值。本文首先介绍了超表面的电磁特性和基于传统方法的超表面设计中所采用的理论和技术方法,接着基于深度学习方法对太赫兹频段超表面电磁特性进行研究,最后将深度学习应用到自己构建的超表面结构参数的设计中。我们利用软件联合仿真的方法对太赫兹超表面进行结构建模、随机参数设置和电磁仿真,获得超表面结构参数和电磁响应组成的数据集,然后构建深度神经网络,在该数据集上进行训练并学习结构参数与电磁响应之间的关系,最后利用训练完毕的神经网络在预先从样本数据集中划分出来的测试集上进行验证,当验证的效果较好时,我们认为搭建起了只需要结构参数便能准确预测电磁特性的深度学习网络。此后,以该正向网络为基础,进一步训练了相对应的逆向深度学习网络。基于逆向网络,可根据所需的电磁特性预测超表面结构参数。为了验证深度学习方法在超表面设计领域的实用性,对几种典型的太赫兹超表面进行了研究,搭建了神经网络,对其电磁特性预测效果和逆向设计方法做了验证,并与超表面的传统研究方法进行了比较。结果表明,该方法具有很好的应用价值。