IA predice composición química de biomasa con análisis termogravimétrico

Un equipo de investigadores publicó en la revista Nature un estudio que demuestra cómo el aprendizaje automático puede predecir la composición química de la biomasa utilizando datos derivados del análisis termogravimétrico (TGA), una técnica que mide cómo los materiales cambian de masa al ser sometidos a temperatura controlada.

El modelo fue entrenado con datos provenientes de distintos tipos de biomasa, lo que le permite generalizar sus predicciones más allá de un único tipo de material orgánico. Según los autores, este enfoque reduce la necesidad de realizar análisis químicos costosos y lentos, que habitualmente requieren equipamiento especializado de laboratorio.

La capacidad de conocer con rapidez la composición de la biomasa —incluyendo proporciones de celulosa, hemicelulosa y lignina— tiene aplicaciones directas en la industria energética, donde estos materiales se utilizan como combustibles renovables. Una caracterización más ágil podría optimizar procesos de conversión energética y reducir costos operativos.

El trabajo representa un avance en la intersección entre inteligencia artificial y ciencias de los materiales, y abre la puerta a sistemas de monitoreo en tiempo real para plantas de bioenergía y otras instalaciones que dependen del procesamiento de residuos orgánicos.