Abstract: En este Trabajo de Fin de Grado, se modeliza un refrigerador de dilución con una ecuación integro-diferencial de evolución, simulando el control PID de la temperatura. A continuación, se plantea un modelo de "transfer learning", entrenando una red neuronal con datos tanto reales como provenientes de las simulaciones para predecir el comportamiento del sistema en función de los valores de los parámetros del PID. Por último, se implementa un descenso de gradiente en el modelo integro-diferencial para hallar, dadas las temperaturas inicial y de referencia, los valores de los parámetros del PID que permiten que el refrigerador se estabilice en la temperatura de referencia en el menor tiempo posible, partiendo de la temperatura inicial.