Utilizamos redes neuronales informadas por la física (PINNs) profundas para simular la convección forzada estratificada en el flujo de Couette plano. Este proceso es crítico para las capas límite atmosféricas (ABL) y las termoclinas oceánicas bajo el calentamiento global. La ecuación de energía aumentada por flotabilidad se resuelve bajo dos condiciones de contorno: Aislado-Flujo (calentamiento de una sola pared) y Flujo-Flujo (calentamiento simétrico de dos paredes). La estratificación se parametriza mediante el número de Richardson (Ri[-1,1]), que representa perturbaciones térmicas de +/-2 grados Celsius. Empleamos un modelo desacoplado (perfil de velocidad lineal) válido para flujos de bajo número de Reynolds, dominados por cizallamiento. En consecuencia, este enfoque no captura la dinámica acoplada completa donde la flotabilidad modifica el campo de velocidad, limitando los resultados al régimen laminar. Contribución novedosa: Esta es la primera PINN profunda que converge de manera robusta en flujos rígidos acoplados por flotabilidad (Ri).