El propósito de este estudio es investigar el papel que un enfoque de aprendizaje profundo podría desempeñar en la mecánica computacional. En este documento, se propone una técnica de red neuronal convolucional basada en una función de pérdida modificada como un sustituto del método de elementos finitos (FEM). Se desarrollan varias redes neuronales informadas por la física basadas en sustitutos para resolver problemas representativos de valores límite basados en ecuaciones diferenciales parciales elípticas (PDEs). Según el conocimiento de los autores, el método propuesto se ha aplicado por primera vez para resolver problemas de valores límite con ecuaciones diferenciales parciales elípticas como ecuaciones gobernantes. Los resultados del enfoque propuesto basado en sustitutos están en buena concordancia con los del FEM convencional. Se encontró que la modificación de la función de pérdida podría mejorar la precisión de predicción de la red neuronal. Se demuestra que en cierta medida, el enfoque de aprendizaje profundo podría reemplazar el método numérico convencional como un modelo sustituto significativo.