Este estudio se centró en la eficacia de emplear un láser de fibra pulsada en el corte curvo de láminas delgadas de acero eléctrico no orientado. Los experimentos se realizaron en aceite parafínico ajustando los parámetros del proceso de entrada, incluida la potencia del láser, la frecuencia de pulso, la velocidad de corte y el radio de curvatura. Los múltiples métricas de calidad de salida incluyeron el ancho de corte, las zonas afectadas por el calor interno y externo, y las porciones re-soldadas. Los análisis del Método de Bosque Aleatorio y del Método de Superficie de Respuesta indicaron que la frecuencia de pulso del láser era la variable más importante que afectaba la calidad del corte, seguida por la potencia del láser, el radio de curvatura y la velocidad de corte. Para mejorar la calidad del corte, se propuso un enfoque innovador de inteligencia artificial (IA) que incorpora un modelo de red neuronal profunda (DNN) y un optimizador de equilibrio modificado (M-EO). Inicialmente, el modelo DNN estableció correlaciones entre los parámetros de entrada y los aspectos de calidad del corte, seguido por M-EO que señaló las calidades de corte óptimas. Este enfoque identificó con éxito un conjunto óptimo de parámetros del proceso láser, incluso más allá de la ventana de proceso especificada en los experimentos iniciales sobre cortes curvos, lo que resultó en mejoras significativas confirmadas por experimentos de validación. Un análisis comparativo mostró el rendimiento superior de los modelos desarrollados en comparación con estudios anteriores. Es notable que, aunque los modelos se desarrollaron inicialmente en base a los resultados de cortes curvos, demostraron ser adaptables y capaces de producir resultados comparables también para cortes rectos.