Integrasi Machine Learning dan COSMO-RS untuk Memprediksi Ekstraksi Antosianin dari Buah Beri menggunakan Pelarut Eutektik

Bagaimana jika kita bisa memprediksi seberapa baik pelarut hijau mengekstrak antosianin dari buah beri sebelum bahkan menyentuh pipet? Model hibrida baru melakukan hal itu—dengan akurasi yang mencolok.

Merancang proses ekstraksi hijau untuk senyawa bioaktif selama ini adalah permainan coba-coba. Namun kini, para ilmuwan telah membangun jalur yang lebih cerdas. Mereka menggabungkan COSMO-RS, alat kimia kuantum yang memprediksi perilaku pelarut, dengan machine learning untuk meramalkan hasil antosianin dari buah beri menggunakan pelarut eutektik dalam (DES).

Tim melatih tujuh algoritma machine learning pada 299 titik data eksperimental yang mencakup 15 jenis buah beri. Gradient Boosting muncul sebagai bintangnya, mencapai R² yang mengesankan sebesar 0,92. Model ini secara cerdas memadukan deskriptor pelarut dari COSMO-RS, variabel proses kunci, dan satu deskriptor biomassa: kandungan antosianin yang diperoleh dengan etanol.

Validasi dilakukan secara ketat. Model diuji terhadap data literatur independen dan eksperimen baru dengan DES dan matriks buah beri yang berbeda. Hasil prediksi cocok dengan hasil eksperimental, membuktikan keandalannya.

Pendekatan ini mengurangi kebutuhan penyaringan eksperimental yang ekstensif, membuka jalan untuk optimasi ekstraksi berkelanjutan yang cepat. Ini adalah lompatan menuju kimia yang lebih cerdas dan lebih hijau—di mana komputasi memandu tangan kita.

Poin Kunci

• Hibrida COSMO-RS + ML memprediksi hasil antosianin dari buah beri.
• Gradient Boosting mencapai R² = 0,92 pada 299 titik data.
• Tervalidasi dengan literatur dan eksperimen baru, mengurangi biaya penyaringan.