В последние годы современные информационные технологии активно используются в различных отраслях промышленности. Нефтяная промышленность не является исключением, поскольку для решения задач повышения нефтеотдачи активно используются высокопроизводительные вычислительные технологии, алгоритмы искусственного интеллекта, методы сбора, обработки и хранения информации. Глубокое обучение достигло замечательных успехов в различных областях применения, однако его использование для решения уравнений в частных производных появилось лишь недавно. В частности, можно заменить традиционные числовые методы на нейронную сеть, аппроксимирующий решение уравнение в частных производных. Физико-информированные нейронные сети (PINN) встраивают уравнении в частных производных в функцию потери нейронной сети с помощью автоматического дифференцирования. Разработан численный алгоритм и PINN для решения одномерного уравнения давления из математической модели Баклея-Леверетта. Получены результаты численного решения и прогнозирования нейронной сети PINN для решения уравнения давления.