Este artículo presenta un solucionador basado en redes neuronales (NN) para el modelado de ecuaciones diferenciales integrales de la fragmentación inducida por contracción. El método propuesto reduce significativamente el coste computacional al asignar directamente los parámetros de entrada a las funciones de densidad de probabilidad correspondientes, en lugar de resolver numéricamente las ecuaciones que las rigen. En particular, permite una estimación eficiente de la función de densidad en simulaciones de Monte Carlo, manteniendo o incluso superando la precisión de los métodos convencionales de diferencias finitas. La validación con datos sintéticos demuestra tanto la eficiencia computacional como la fiabilidad predictiva del método. Este trabajo sienta las bases para el análisis inverso de la fragmentación basado en datos y sugiere la posibilidad de extender el marco más allá de las estructuras de modelo predefinidas.
