基于深度学习的超材料器件设计得到了前所未有的发展, 但在基于2维材料的反设计中, 传统的人工神经网络难以解决在小采样空间内陷入局部最优值的问题, 且随着结构的复杂性增加, 需要耗费大量的计算成本。针对这些缺陷提出了一种基于AdaBelief优化算法的残差神经网络, 选择基于石墨烯的多层交替薄膜结构的设计来验证该网络的有效性, 采用特征矩阵法构造出结构参数所对应的多谐振完美吸收光谱样本。结果表明, 该网络模型在较短的训练时间内达到了97%以上的预测精度; 通过与其它神经网络预测结果的对比, 该网络展现出了预测精度高、收敛速度快等优势。该研究实现了基于石墨烯的完美吸收超材料结构的设计目标。