El propósito de este trabajo es explorar el potencial del aprendizaje por refuerzo profundo (DRL) como un optimizador de caja negra para la identificación de modelos de turbulencia. Para ello, consideramos un modelo de cierre de Navier-Stokes promediado por Reynolds (RANS) de un flujo de chorro turbulento redondo a un número de Reynolds de 10,000. Con este fin, aumentamos el modelo de turbulencia Spalart-Allmaras, ampliamente utilizado, al introducir un término fuente que es identificado por DRL. El algoritmo se entrena para maximizar la alineación de los campos de velocidad del modelo RANS aumentado y los datos de referencia de simulación de grandes remolinos (LES) promediados en el tiempo. Se demuestra que la alineación entre los datos de referencia y los resultados de la simulación RANS se mejora en un 48% utilizando el modelo Spalart-Allmaras aumentado con DRL en comparación con el modelo estándar. El campo de velocidad, la tasa de expansión del chorro y la disminución de la velocidad axial muestran un acuerdo sustancialmente mejorado tanto con los datos de referencia de LES como con los datos de la literatura. Además, aplicamos el modelo entrenado a un flujo de chorro con un número de Reynolds de 15,000, lo que mejoró la alineación del campo medio en un 35%, demostrando que el marco es aplicable a datos no vistos de la misma configuración a un número de Reynolds más alto. En general, este trabajo demuestra que el DRL es un método prometedor para la identificación de modelos de cierre RANS. Se discuten en el estudio los obstáculos y desafíos asociados con la metodología presentada, como el alto costo numérico, la estabilidad numérica y la sensibilidad de los hiperparámetros.