Los snobs del vino de Burdeos tienen razón, según este modelo informático

Gracias al aprendizaje automático, los científicos están intentando definir químicamente el concepto turbio de terroir. Estos modelos podrían ser útiles para detectar fraudes relacionados con el vino.

En la región de Burdeos, en el suroeste de Francia, muchas bodegas transforman uvas descarriadas en mezclas de vino tinto atrevido. Algunas botellas se venden por miles de dólares cada una. Los prestigiosos castillos cuentan con el suelo, el microclima y los métodos tradicionales que hacen que su propio vino sea superior, una mezcla impenetrable conocida como terroir.

“Es uno de esos términos que le gustan a la industria del vino "Para mantener un poco de misterio, parte de la magia del vino", dijo Alex Pouget, neurocientífico computacional de la Universidad de Ginebra.

Dr. Pouget intenta aplicar precisión química a este je ne sais quoi. En un estudio publicado el martes en la revista Communications Chemistry, él y sus colegas describieron un modelo informático que podría identificar qué finca de Burdeos producía un vino basándose únicamente en su composición química. El modelo también predijo el año de elaboración del vino, llamado cosecha, con aproximadamente un 50% de precisión.

Aunque los conocedores del vino a menudo afirman poder distinguir entre For vinos de fincas más grandes, rara vez hacen pruebas de cata a ciegas, dijo. "La gente ha estado haciendo estas afirmaciones durante décadas, pero nunca hemos tenido una medida objetiva de que esto sea cierto", afirmó.

Dr. Pouget creció en París en una familia que solo bebía Burdeos (“Actúas como si el Borgoña no existiera”, dijo). Como joven neurocientífico a finales de los años 1980, estudió el cerebro utilizando el aprendizaje automático, un tipo de inteligencia artificial que identifica patrones en grandes conjuntos de datos. Pensó que estos métodos podrían ser útiles para la industria del vino, pero no tuvo tiempo de probar esta idea hasta pasados ​​30 años.

Está asociado con Stéphanie Marchand de el Institut des Sciences de la Vigne et du Vin de Bordeaux, que había elaborado una base de datos de 80 vinos de diferentes añadas procedentes de siete castillos. La base de datos contenía las firmas químicas de cada vino obtenidas mediante cromatografía de gases, un método antiguo y económico para descomponer sustancias en componentes moleculares.

Los investigadores entrenaron un algoritmo para buscar Patrones comunes en las huellas químicas de los vinos. Los resultados les sorprendieron: el modelo agrupó los vinos en distintos grupos correspondientes a su ubicación geográfica en la región de Burdeos. Esto demostró que las particularidades de cada finca habían influido significativamente en la química de los vinos producidos allí, tal como los enólogos habían afirmado durante siglos.

Las fincas dieron permiso a los investigadores para estudiar sus vinos a condición de que no se nombren. El Dr. Pouget dijo que todos los vinos formaban parte de la famosa clasificación de Burdeos de 1855, clasificación instituida por Napoleón III para promocionar los mejores vinos de Burdeos.

Dr. A Pouget le sorprendió que los enólogos no quisieran revelar sus nombres, porque los resultados del estudio refuerzan la idea de que sus vinos eran especiales. "Tengo evidencia científica de que tiene sentido cobrar dinero a las personas porque producen algo único", dijo riendo.

Investigadores independientes dijeron que el estudio era parte de una ola de investigaciones recientes que utilizan el aprendizaje automático para descifrar el terruño. "Aquí es hacia donde se dirige el campo y hacia donde debe dirigirse para dar sentido a la abundancia de datos", afirmó David Jeffery, experto en química del vino de la Universidad de Adelaida, en Australia.

Por ejemplo, utilizó el aprendizaje automático para clasificar los vinos Shiraz del valle de Barossa en Australia.

El enfoque, dijo el Dr. Jeffery, “no se trata solo de lo que químicamente hace un buen vino. Los modelos también podrían ayudar a los productores a ajustar sus prácticas de cultivo y elaboración de vino para preservar su producto.”...

Los snobs del vino de Burdeos tienen razón, según este modelo informático

Gracias al aprendizaje automático, los científicos están intentando definir químicamente el concepto turbio de terroir. Estos modelos podrían ser útiles para detectar fraudes relacionados con el vino.

En la región de Burdeos, en el suroeste de Francia, muchas bodegas transforman uvas descarriadas en mezclas de vino tinto atrevido. Algunas botellas se venden por miles de dólares cada una. Los prestigiosos castillos cuentan con el suelo, el microclima y los métodos tradicionales que hacen que su propio vino sea superior, una mezcla impenetrable conocida como terroir.

“Es uno de esos términos que le gustan a la industria del vino "Para mantener un poco de misterio, parte de la magia del vino", dijo Alex Pouget, neurocientífico computacional de la Universidad de Ginebra.

Dr. Pouget intenta aplicar precisión química a este je ne sais quoi. En un estudio publicado el martes en la revista Communications Chemistry, él y sus colegas describieron un modelo informático que podría identificar qué finca de Burdeos producía un vino basándose únicamente en su composición química. El modelo también predijo el año de elaboración del vino, llamado cosecha, con aproximadamente un 50% de precisión.

Aunque los conocedores del vino a menudo afirman poder distinguir entre For vinos de fincas más grandes, rara vez hacen pruebas de cata a ciegas, dijo. "La gente ha estado haciendo estas afirmaciones durante décadas, pero nunca hemos tenido una medida objetiva de que esto sea cierto", afirmó.

Dr. Pouget creció en París en una familia que solo bebía Burdeos (“Actúas como si el Borgoña no existiera”, dijo). Como joven neurocientífico a finales de los años 1980, estudió el cerebro utilizando el aprendizaje automático, un tipo de inteligencia artificial que identifica patrones en grandes conjuntos de datos. Pensó que estos métodos podrían ser útiles para la industria del vino, pero no tuvo tiempo de probar esta idea hasta pasados ​​30 años.

Está asociado con Stéphanie Marchand de el Institut des Sciences de la Vigne et du Vin de Bordeaux, que había elaborado una base de datos de 80 vinos de diferentes añadas procedentes de siete castillos. La base de datos contenía las firmas químicas de cada vino obtenidas mediante cromatografía de gases, un método antiguo y económico para descomponer sustancias en componentes moleculares.

Los investigadores entrenaron un algoritmo para buscar Patrones comunes en las huellas químicas de los vinos. Los resultados les sorprendieron: el modelo agrupó los vinos en distintos grupos correspondientes a su ubicación geográfica en la región de Burdeos. Esto demostró que las particularidades de cada finca habían influido significativamente en la química de los vinos producidos allí, tal como los enólogos habían afirmado durante siglos.

Las fincas dieron permiso a los investigadores para estudiar sus vinos a condición de que no se nombren. El Dr. Pouget dijo que todos los vinos formaban parte de la famosa clasificación de Burdeos de 1855, clasificación instituida por Napoleón III para promocionar los mejores vinos de Burdeos.

Dr. A Pouget le sorprendió que los enólogos no quisieran revelar sus nombres, porque los resultados del estudio refuerzan la idea de que sus vinos eran especiales. "Tengo evidencia científica de que tiene sentido cobrar dinero a las personas porque producen algo único", dijo riendo.

Investigadores independientes dijeron que el estudio era parte de una ola de investigaciones recientes que utilizan el aprendizaje automático para descifrar el terruño. "Aquí es hacia donde se dirige el campo y hacia donde debe dirigirse para dar sentido a la abundancia de datos", afirmó David Jeffery, experto en química del vino de la Universidad de Adelaida, en Australia.

Por ejemplo, utilizó el aprendizaje automático para clasificar los vinos Shiraz del valle de Barossa en Australia.

El enfoque, dijo el Dr. Jeffery, “no se trata solo de lo que químicamente hace un buen vino. Los modelos también podrían ayudar a los productores a ajustar sus prácticas de cultivo y elaboración de vino para preservar su producto.”...

What's Your Reaction?

like

dislike

love

funny

angry

sad

wow