Una herramienta de código abierto desarrollada en la Universidad austriaca de Graz reduce de meses a horas el cálculo de procesos en biorreactores industriales. Se llama CLARA y usa aprendizaje automático no supervisado para simplificar simulaciones de dinámica de fluidos computacional. El resultado son modelos mucho más ligeros que mantienen la física del proceso. El equipo asegura que son hasta 10 000 veces más rápidos que el método tradicional. Además, los cálculos son lo bastante fiables como para apoyar el control de plantas reales. Las aplicaciones van de la fermentación a la fabricación de polímeros, el secuestro de CO₂ o las celdas de batería. El software ya está disponible en un repositorio público. En este artículo repasamos cómo funciona, qué aporta y por qué puede interesar fuera del ámbito químico.

Un problema de escala industrial

Un biorreactor grande es un entorno delicado. Pequeñas variaciones de temperatura, de pH o de oxígeno disuelto pueden arruinar un lote. Por eso los ingenieros necesitan simular lo que ocurre dentro antes de tocar nada.

La herramienta habitual es la dinámica de fluidos computacional, conocida como CFD. Resuelve el flujo celda a celda y ofrece mucho detalle. El precio es el tiempo de cálculo. Según el investigador Stefan Radl, simular procesos reales que duran días o semanas puede llevar meses de cálculo.

Ese ritmo no sirve para diseñar ni para controlar. Probar diez variantes de un reactor exigiría años. Y un sistema de control necesita respuestas en segundos, no en trimestres.

El equipo de Radl, del Instituto de Tecnología de Procesos y Partículas, ha publicado su solución en la revista Chemical Engineering Science. Nació dentro del proyecto DigiBioTech, que lidera la propia universidad.

Cómo funciona CLARA por dentro

El nombre es la sigla de CLustering AlgoRithm Austria. La idea es sencilla de enunciar. En lugar de resolver millones de celdas, se agrupan en unas pocas zonas que se comportan de forma parecida.

El proceso empieza con simulaciones CFD cortas. Esas simulaciones generan millones de puntos de datos. CLARA los agrupa de forma automática en un número manejable de compartimentos, entre cinco y 50. Cada compartimento actúa como una pequeña zona bien mezclada.

Después se calcula cómo se intercambian materia y especies químicas entre compartimentos vecinos. Así se obtiene un modelo de orden reducido, o ROM por sus siglas en inglés. Es mucho más pequeño que la malla original, pero conserva la estructura del flujo.

Hasta ahora, definir esos compartimentos exigía trabajo manual y mucha experiencia. Con CLARA el paso queda automatizado. Según la documentación del grupo, el programa lee datos de simuladores como OpenFOAM o Fluent.

La reducción de complejidad es enorme. Se pasa de millones de celdas a unas decenas de zonas. Esa diferencia explica el factor de 10 000 en velocidad que anuncian los autores.

Precisión sin trampas

Simplificar tiene un riesgo evidente. Un modelo pequeño puede ser rápido y, al mismo tiempo, inútil. Los autores han puesto el foco en evitar ese problema.

Muchos modelos simplificados fallan en el balance de masas. Pierden o inventan materia entre pasos de cálculo. En un cultivo celular eso importa. Cuando los organismos crecen, necesitan más gas y más nutrientes. Un modelo que no conserva la masa falla justo ahí, sobre todo a gran escala.

Por eso el equipo desarrolló algoritmos de optimización específicos. Su función es garantizar que los ROM conserven la masa en todo momento. Las primeras validaciones usaron casos de referencia analíticos y datos detallados de CFD. Ambas pruebas confirmaron una precisión alta.

CLARA también mantiene fenómenos que importan en la práctica. Las zonas muertas, donde la mezcla es insuficiente, siguen apareciendo en el modelo. Lo mismo ocurre con las áreas de fuerte cizallamiento. Además, funciona con flujos multifásicos, en los que conviven sólido, líquido y gas. El intercambio de especies entre gas y líquido se modela de forma realista.

El producto principal: qué ofrece CLARA al usuario

Conviene detenerse en lo que es CLARA como producto. No es una aplicación cerrada ni un servicio en la nube. Es un conjunto de herramientas de software que se descarga y se ejecuta en local.

Su código está en un repositorio público de la universidad. Puede consultarse en el repositorio GitLab de CLARA en TU Graz. Incluye todas las funciones ya probadas. Los autores añaden nuevos desarrollos de forma gradual.

Esto tiene varias ventajas prácticas. Un laboratorio puede revisar el código y adaptarlo a su caso. Una empresa puede integrarlo en su flujo de trabajo sin depender de licencias. Y la comunidad puede detectar errores y proponer mejoras.

La herramienta ya se usa en dos sitios. Uno es una tesis doctoral en el centro COMET BEST. El otro es SimVantage, una empresa derivada de la propia TU Graz. Es un buen indicio de que el software no se queda en el papel.

Para un técnico, el flujo de trabajo es fácil de resumir. Primero se ejecuta una simulación CFD corta. Después se pasa el resultado por CLARA. Por último, se resuelve el modelo reducido tantas veces como haga falta. Esa última parte es la que ahorra el tiempo.

No parte de cero, y eso es bueno

La compartimentación de reactores no es una idea nueva. Lleva años en estudio. Lo novedoso es hacerla de forma automática, con balance de masas garantizado y con código abierto.

Un trabajo anterior de la Universidad Técnica de Delft y la Universidad Técnica de Dinamarca ya exploró este camino. Su artículo, accesible en el repositorio de TU Delft sobre regímenes de biorreactores, propone un algoritmo de k-medias adaptado. Garantiza continuidad espacial de los grupos y optimiza el número de compartimentos.

Sus casos de estudio dan idea de la escala real. Analizaron un biorreactor con agitador Rushton de 202 m³ en estado estacionario. También estudiaron un reactor de elevación por aire de 840 m³ con simulación dinámica. Son volúmenes industriales, muy lejos de un matraz de laboratorio.

Ese trabajo se centraba en identificar regímenes dentro del reactor. No integraba redes de reacciones químicas. CLARA da el paso siguiente, porque genera el modelo y además lo resuelve con reacciones y transporte incluidos.

Más allá de la fermentación

Radl cita aplicaciones que van más lejos de la biotecnología. Habla de reactores para captura de CO₂ y de procesos en la fabricación de celdas de batería. También menciona el aprovechamiento energético de la biomasa y la producción de polímeros.

La más prometedora son los gemelos digitales. Un gemelo digital es un modelo que replica una planta real y se actualiza con datos de sensores. Para que funcione, el modelo debe ser rápido. Con un ROM de decenas de compartimentos, es posible. Con CFD completo, no.

Imagine una planta de fermentación con sensores de pH, temperatura y oxígeno. El gemelo digital recibe esas lecturas y simula el interior del tanque en tiempo casi real. Si detecta una zona muerta que crece, avisa antes de que el lote se resienta.

Reflexiones adicionales

El caso de CLARA muestra un uso útil de la inteligencia artificial. No genera texto ni imágenes. Reduce un problema físico enorme a uno manejable sin perder lo esencial. Es un uso discreto, pero con efecto directo en costes y plazos.

También recuerda algo que conocemos bien en el mundo del hardware libre. Un código abierto y bien documentado se mejora más rápido que uno cerrado. La publicación en un repositorio público permite que otros grupos lo prueben con sus propios reactores.

Quedan dudas razonables. Las validaciones iniciales usan casos de referencia y datos CFD, no mediciones de una planta en producción. Los propios autores hablan de validaciones iniciales. Habrá que ver cómo responde el sistema con geometrías 3D complejas y con reactores muy heterogéneos.

Aun así, el planteamiento es sólido. Reducir meses a horas cambia lo que se puede hacer en diseño y control. Y que la herramienta esté disponible desde el primer día es una buena noticia para la comunidad técnica.