Los pulsos transitorios generados por partículas de alta energía pueden causar errores suaves en los circuitos, lo que resulta en malfuncionamientos de las naves espaciales y representa una seria amenaza para la operación normal de las naves espaciales. Para circuitos integrados utilizados en aplicaciones espaciales, es necesario evaluar primero los errores suaves causados por pulsos transitorios. Las herramientas convencionales de evaluación de la tasa de errores suaves están diseñadas para simular la generación de pulsos transitorios utilizando muchos modelos precisos, mientras que la propagación de los pulsos transitorios se simula principalmente con herramientas de simulación a nivel de circuito. Debido a las limitaciones de las herramientas de simulación, los enfoques de evaluación convencionales están limitados a la escala del circuito. El tiempo de ejecución de la simulación es insoportable para circuitos integrados a gran escala. Este artículo presenta un enfoque para evaluar la tasa de errores suaves utilizando aprendizaje automático. Se implementa una red neuronal de retropropagación en el enfoque propuesto. Ayuda a determinar la probabilidad de propagación de pulsos transitorios. En comparación con los resultados convencionales de evaluación de la tasa de errores suaves, el enfoque propuesto demuestra una fuerte correlación tanto en tendencia como en magnitud. La diferencia promedio entre los resultados obtenidos utilizando el método de evaluación propuesto y los resultados experimentales es del 23.5%, lo que es un 7.5% mayor que la diferencia entre los resultados obtenidos utilizando el método de evaluación convencional y los resultados experimentales. En comparación con el método de evaluación convencional, el enfoque propuesto mejora el tiempo de ejecución en un orden de magnitud. El enfoque propuesto también beneficia la localización de nodos de circuito altamente sensibles en circuitos integrados a gran escala. El diseño de circuitos y la protección contra la radiación son aplicaciones útiles.