En este artículo, proponemos un controlador de red neuronal informado por la física para el modelado de la dinámica de un cuadricóptero. Los métodos de aprendizaje automático conscientes de la física, como las redes neuronales informadas por la física, consideran el modelo de dinámica del UAV, resolviendo el sistema de ecuaciones diferenciales ordinarias en su totalidad, a diferencia de los controladores proporcional-integral-derivativo. La acción de control más precisa en el cuadricóptero reduce el tiempo de vuelo y el consumo de energía. Aplicamos nuestros algoritmos de optimización fraccionaria para disminuir el error de solución de la dinámica del cuadricóptero. Al incluir optimizadores avanzados en el modelo de aprendizaje por refuerzo, logramos la trayectoria del vuelo del UAV de manera más precisa que los controladores proporcional-integral-derivativo de última generación. Los optimizadores avanzados permitieron que el controlador propuesto aumentara la calidad de la trayectoria de construcción del UAV en comparación con el enfoque de última generación en 10 puntos porcentuales. Nuestro modelo tuvo un valor de error menor en coordenadas espaciales y ángulos de Euler del 25-35% y 30-44%, respectivamente.