El flujo a través de maquinaria termodinámica compleja es intrincado, incorporando turbulencia, efectos de compresibilidad, combustión e interacciones sólido-fluido, lo que representa un desafío para la física clásica. Por ejemplo, actualmente no es posible simular un flujo de gas tridimensional a campo completo a través de la propulsión de una aeronave. En este estudio, se presenta un nuevo enfoque para predecir las propiedades del fluido en tiempo real de flujos complejos. Esta perspectiva se obtiene del aprendizaje profundo, pero es significativa en el sentido de que el contexto físico está incrustado dentro de la arquitectura de aprendizaje profundo. Se analizan casos de estados de trabajo excesivos para validar la efectividad de la arquitectura dada, y los resultados se alinean con los datos experimentales. Este estudio introduce un nuevo y atractivo método para predecir las propiedades del fluido en tiempo real utilizando sistemas termomecánicos complejos.