Con la creciente demanda de la transmisión de grandes cantidades de información a largas distancias, el desarrollo de circuitos de luz integrados es clave para mejorar esta tecnología, y la fotónica de silicio se ha desarrollado con baja absorción en el rango del infrarrojo cercano y con técnicas de fabricación sofisticadas. Para construir dispositivos que funcionen en diferentes funcionalidades, los cristales fotónicos son una de las estructuras más utilizadas debido a su capacidad para manipular la luz. La investigación de los cristales fotónicos requiere el cálculo de las estructuras de bandas fotónicas y suele ser un trabajo que consume mucho tiempo. Para reducir el tiempo dedicado a los cálculos, en este estudio se introduce una ANN entrenada para predecir directamente las estructuras de bandas utilizando solo una cantidad mínima de datos de estructura de bandas precalculados. Se utiliza un cristal fotónico en forma de nanoviga similar a una espina de pez de 1-D como objetivo de entrenamiento, y se discute la influencia de ajustar los parámetros geométricos, especialmente la constante de red y el grosor de la nanoviga. Para entrenar la ANN con muy pocas estructuras de bandas, se considera cada punto de modo en la estructura de bandas como un solo punto de datos para aumentar la cantidad de datos de entrenamiento. Los conjuntos de datos están compuestos por varios datos de estructura de bandas en bruto. La ANN optimizada se introduce al final de este manuscrito.