Algoritmos rápidos y eficientes optimizados para computadoras de alto rendimiento son cruciales para el análisis en tiempo real de datos en experimentos de física de iones pesados. Además, la aplicación de redes neuronales y otras técnicas de aprendizaje automático se ha vuelto más popular en experimentos de física en los últimos años. Por esa razón, se está desarrollando un paquete rápido de redes neuronales llamado ANN4FLES en C++, el cual será optimizado para ser utilizado en una granja de computadoras de alto rendimiento para el futuro experimento de Materia Bariónica Comprimida (CBM) en las Instalaciones para la Investigación de Antiprotones e Iones (FAIR, Darmstadt, Alemania). Este artículo describe la primera aplicación de ANN4FLES utilizada en la cadena de reconstrucción del experimento CBM para reemplazar la competencia de partículas existente entre mesones K y hiperones Lambda en el KF Particle Finder por un enfoque basado en redes neuronales. El rendimiento de clasificación en bruto de la red neuronal alcanza más del 98% en el conjunto de pruebas. Además, se muestra que el ruido de fondo se redujo mediante la competencia basada en redes neuronales y, por lo tanto, se mejoró la calidad del análisis de física.