La aplicación de redes neuronales informadas por la física (PINNs) a simulaciones de dinámica de fluidos computacional ha atraído recientemente una atención tremenda. En las simulaciones de PINNs, se requiere que los puntos de colocación se ajusten a la interfaz fluido-sólido en la que se impone la condición de no deslizamiento. Aquí, se desarrolla una nueva PINN que incorpora el método de frontera inmersa de forzado directo (IB). En la IB-PINN propuesta, se elimina el requisito de conformidad de la frontera al organizar los puntos de colocación. En su lugar, se añaden penalizaciones de velocidad en algunos puntos de marcador a la función de pérdida para imponer la condición de no deslizamiento en la interfaz fluido-sólido. Además, se añaden penalizaciones de fuerza en algunos puntos de colocación a la función de pérdida para asegurar una distribución compacta de la fuerza volumétrica. La efectividad de la IB-PINN en la resolución de las ecuaciones de Navier-Stokes incompresibles se demuestra a través de la simulación de flujo laminar pasado un cilindro circular que se coloca en un canal. La solución obtenida utilizando la IB-PINN se compara con dos soluciones de referencia obtenidas utilizando un método IB convencional basado en mallas y un método de malla ajustada al cuerpo ordinario. La comparación indica que las tres soluciones están en excelente acuerdo entre sí. También se estudian las influencias de algunos parámetros, como los pesos para diferentes componentes de pérdida, el número de puntos de colocación y de marcador, los hiperparámetros en la red neuronal, etc., sobre el rendimiento de la IB-PINN. Además, se lleva a cabo un experimento de aprendizaje por transferencia para resolver las ecuaciones de Navier-Stokes con diferentes números de Reynolds.