Se desarrolla un método numérico para evolucionar la ecuación de Schrödinger no lineal en una rejilla espacial gruesa. Esto entrena una red neuronal para generar los pesos de estarcido óptimos para discretizar la segunda derivada de las soluciones de la ecuación de Schrödinger no lineal. La red neuronal está incrustada en una matriz simétrica para controlar los eigenvalores del esquema, asegurando estabilidad. El método aprendido por máquina puede superar tanto a su método de diferencia finita principal como a un método espectral de Fourier. El esquema entrenado tiene el mismo costo operativo asintótico que su método de diferencia finita principal después del entrenamiento. A diferencia de los métodos tradicionales, el rendimiento depende de qué tan cerca estén los datos iniciales del conjunto de entrenamiento.