超材料因具有独特的电磁特性在雷达、传感等领域有广泛的应用。传统人工设计超材料的方法普遍依赖于设计人员的设计经验、电磁学知识以及大量的尝试,费时费力。近年来随着信息技术的发展,基于机器学习方法的超材料逆设计方法在科学界受到广泛关注。本文基于机器学习算法提出了两种超材料逆设计方法,取得了较为理想的逆设计效果。并针对超材料逆设计方法进行应用实验,提出了一种具有微腔结构的超材料吸波体结构。本文主要研究内容包括:（1）提出使用二维1-0矩阵表征超材料金属谐振层的方法,并提出使用一维卷积神经网络对超材料进行逆设计。本文使用CST-MATLAB联合仿真技术实现了超材料的自动建模、仿真以及数据存储,构建了超材料结构参数与电磁仿真结果的数据集。设计一维卷积神经网络用于超材料结构预测,实现了从电磁仿真曲线到超材料1-0矩阵的映射关系,通过对测试集数据的验证,证明了本方法的可行性。并使用该方法设计出具有双频带的太赫兹超材料吸波体传感器,经过分析,该超材料可以实现对不同折射率的待测分析物多点信息匹配,具有较高的准确率和灵敏度,可用于无标签分析物检测。（2）提出一种基于权重线性变化的粒子群算法、自动寻峰算法、均值滤波算法以及CST-MATLAB联合仿真技术的超材料逆设计方法。通过将人工设计、基于神经网络及基于改进粒子群算法的超材料逆设计方法耗时对比,证明了该方法有效的提升了超材料设计效率。通过将设计出的超材料结构与人工设计中常见的结构相对比,验证了基于粒子群算法的超材料逆设计方法可设计出与人工设计类似的结构。本方法为超材料设计提供了新的解决方案,为超材料机理研究提供基础。（3）本文使用基于粒子群的超材料快速设计方法进行超材料逆设计实验,并对实验设计出的超材料吸波体进行传感特性和机理分析。为了进一步的加强超材料谐振电磁场与待测分析物的相互作用,本文提出了一种具有微腔结构的超材料吸波体传感器。传感器灵敏度为220.8GHz/RIU,FOM值为14.77,传感特性优于同类型的吸波体,在传感领域有广阔的应用前景。