La ecuación de Poisson-Boltzmann (PBE) surge en varias disciplinas, incluyendo la biofísica, la electroquímica y la química de coloides, lo que lleva a la necesidad de simulaciones eficientes y precisas de la PBE. Sin embargo, la mayoría de los métodos de diferencias/elementos finitos desarrollados hasta ahora son bastante complicados de implementar. En este estudio, desarrollamos una red neuronal artificial (ANN) basada en ResNet para predecir soluciones de la PBE. Nuestras redes son robustas con respecto a las ubicaciones de las cargas y las formas de las interfaces solvente-soluto. Para generar conjuntos de entrenamiento y prueba, hemos resuelto la PBE utilizando el método de elementos finitos inmersos (IFEM) propuesto en (Kwon, I.; Kwak, D. Y. Método de elementos finitos inmersos de burbuja discontinua para la ecuación de Poisson-Boltzmann, pp. 928-946). Una vez que las ANN propuestas están entrenadas, se pueden predecir soluciones de la PBE casi en tiempo real mediante una simple sustitución de la información de cargas/interfaces en las redes. Por lo tanto, nuestros algoritmos pueden ser utilizados de manera efectiva en diversas simulaciones biomoleculares, incluyendo simulaciones de canalización de iones y cálculos de la velocidad de reacción enzimática controlada por difusión. El rendimiento de la ANN se informa en la sección de resultados. La comparación entre las soluciones generadas por IFEM y las soluciones generadas por la red muestra que el error cuadrático medio es inferior a . Además, los aumentos de los potenciales electrostáticos cerca de la región de carga singular y las disminuciones abruptas cerca de las interfaces se representan de manera razonable.