El aprendizaje automático revela claves elementales en radicales libres del biochar

Investigadores utilizaron técnicas de aprendizaje automático para descifrar los mecanismos detrás de los radicales libres persistentes (PFR, por sus siglas en inglés) presentes en el biochar, un material derivado de la pirólisis de biomasa orgánica. El hallazgo podría tener implicaciones significativas para la agricultura, la remediación de suelos y el almacenamiento de carbono.

El modelo de machine learning analizó grandes conjuntos de datos sobre la composición elemental del biochar y encontró correlaciones entre ciertos elementos químicos —como el carbono, el oxígeno y metales traza— y la estabilidad de los radicales libres. Estos radicales son compuestos altamente reactivos que pueden influir tanto en la fertilidad del suelo como en la generación de contaminantes secundarios.

Los investigadores destacaron que los enfoques tradicionales de análisis químico no habían logrado identificar con precisión qué variables elementales inciden más en la persistencia de estos radicales. El modelo predictivo permitió jerarquizar esos factores de manera más eficiente y con mayor poder explicativo.

El trabajo abre la puerta a optimizar los procesos de producción del biochar para minimizar la formación de PFR potencialmente dañinos o, en su defecto, aprovechar sus propiedades reactivas de forma controlada en aplicaciones ambientales y agrícolas.