传统传感器设计方法主要基于试错法，即根据经验或直觉进行传感器设计，再根据结果来进行优化，反复此过程直至得到目标传感性能。这种方法耗费大量资源，效率低。人工智能算法，尤其是深度学习，可以根据目标传感性能预测传感器设计，即“反向设计”，可使传感器的设计效率得到极大提高，降低传感器研发成本，提升传感器性能。

阴影微球刻蚀技术一项低成本、高效率的微纳制备技术，然而其对结构的制备依靠阴影掩蔽几何关系，再复杂的结构制备时较难确定制备参数。利用人工智能，尤其是深度学习，可以根据目标传感器结构逆向预测制备参数，极大的提升制备效率和准确度，降低微纳传感器制备成本，推动微纳光电传感器的商业化应用。