En el diseño de ingeniería, muchas veces se conoce o se puede medir la respuesta dinámica de un sistema, pero no se conoce la fuente que genera estas respuestas. El problema matemático en el que se centra en inferir los términos fuente de las ecuaciones gobernantes a partir del conjunto de observaciones se conoce como un problema de fuente inversa (ISP). Los ISPs se resuelven tradicionalmente mediante técnicas de optimización con regularización, pero en los últimos años ha habido mucho interés en abordar estos problemas desde un punto de vista de aprendizaje profundo. En este documento, proponemos un enfoque de aprendizaje profundo infundido con información física para recuperar la función de forzamiento (término fuente) de sistemas con un grado de libertad a partir de los datos de respuesta. Probamos nuestra arquitectura primero para recuperar funciones de forzamiento suaves, y luego funciones que involucran cambios abruptos de gradiente y discontinuidades de salto en el caso de un sistema lineal. Finalmente, recuperamos la función armónica, la suma de dos armónicos y la función gaussiana, en el caso de un sistema no lineal. Los resultados obtenidos son prometedores y demuestran la eficacia de este enfoque en la recuperación de las funciones de forzamiento a partir de los datos.