Ricercatori italiani usano l’intelligenza artificiale per mappare l’invecchiamento del Taurasi

Venerdì 30 ottobre, i ricercatori dell’Istituto di Scienze dell’Alimentazione del Consiglio Nazionale delle Ricerche di Avellino hanno dichiarato di aver utilizzato analisi di laboratorio e intelligenza artificiale per studiare come cambia il Taurasi durante l’invecchiamento. Il lavoro potrebbe contribuire, in futuro, allo sviluppo di nuovi strumenti per il controllo della qualità e la verifica dell’autenticità nella produzione vinicola.

Lo studio ha esaminato quattro annate di Taurasi DOCG: 2015, 2018, 2021 e 2022. Secondo l’istituto, i ricercatori hanno confrontato i vini misurandone i principali componenti chimici, tra cui polifenoli, antociani e composti aromatici, e hanno poi applicato algoritmi di apprendimento automatico per individuare schemi ricorrenti nei campioni.

Il gruppo di ricerca ha spiegato che questo approccio ha permesso di individuare somiglianze e differenze tra le quattro annate e di elaborare quella che ha definito una mappa chimica dell’evoluzione del vino nel tempo. Daniela Evangelista è indicata come prima autrice dello studio, condotto da un gruppo di ricerca dell’istituto di Avellino.

I risultati sono stati pubblicati sulla rivista scientifica Metabolites nell’ambito del progetto Agritech, finanziato attraverso il Piano nazionale di ripresa e resilienza (PNRR). L’istituto ha spiegato che il lavoro si concentra sul Taurasi DOCG, uno dei vini rossi più noti dell’Irpinia, in Campania, e lo utilizza come caso di studio per approfondire questioni più ampie legate all’evoluzione dei vini durante l’invecchiamento.

La ricerca riflette un crescente impegno delle scienze degli alimenti e delle bevande nel combinare le analisi chimiche tradizionali con sistemi di analisi dei dati capaci di elaborare insiemi complessi di misurazioni. Nel vino, l’invecchiamento può modificare struttura, colore, aroma e altre caratteristiche in modi difficili da cogliere attraverso un unico indicatore. Confrontando più composti contemporaneamente, i modelli di apprendimento automatico possono aiutare i ricercatori a individuare relazioni meno evidenti con i soli metodi di valutazione tradizionali.

L’istituto ha presentato lo studio come un primo passo verso applicazioni più ampie dell’intelligenza artificiale nell’analisi della qualità, nella caratterizzazione e nella verifica dell’autenticità dei vini. Ciò non significa che il metodo sia pronto per l’uso corrente in tutto il settore. La nota dell’istituto lo descrive come un primo passo, suggerendo che il lavoro sia ancora esplorativo e richieda una convalida più ampia su un maggior numero di vini e annate e in ulteriori contesti produttivi, prima di poter diventare uno strumento standard.

Lo studio indica comunque una possibile direzione per il settore delle bevande. Se metodi analoghi si dimostrassero affidabili su scala più ampia, potrebbero offrire a cantine, laboratori e autorità di controllo un ulteriore modo per monitorare l’evoluzione dei prodotti nel tempo e rafforzare le verifiche analitiche legate all’origine e all’autenticità. Il tema è particolarmente rilevante nei segmenti premium, dove la storia dell’invecchiamento, lo stile e la provenienza possono avere un notevole valore commerciale.

Il Taurasi è una DOCG, il massimo livello italiano di tutela della denominazione d’origine e degli standard di produzione del vino. Questo lo rende un soggetto adatto alla ricerca sui marcatori chimici e sui metodi di classificazione, poiché identità e costanza sono aspetti centrali nella valutazione di questi vini sul mercato. Un sistema in grado di collegare i composti misurabili alle diverse fasi dell’invecchiamento potrebbe inoltre aiutare i produttori a comprendere meglio le differenze tra annate e l’evoluzione in cantina.

L’istituto di Avellino non ha presentato l’intelligenza artificiale come un’alternativa all’analisi enologica tradizionale. Il lavoro combina invece misurazioni di laboratorio standard con strumenti di apprendimento statistico. In pratica, i modelli dipendono dalla qualità dei dati chimici raccolti sui vini e non funzionano come una scorciatoia autonoma.

La ricerca si inserisce inoltre in una tendenza più ampia nelle scienze agrarie e alimentari, dove l’intelligenza artificiale viene sempre più spesso sperimentata in attività quali la classificazione dei prodotti, la tracciabilità e l’individuazione delle frodi. Il vino si presta naturalmente a questo tipo di studi, perché contiene numerosi composti che interagiscono tra loro e perché il settore fa già ampio ricorso alla chimica analitica. Studi come quello condotto ad Avellino suggeriscono che l’apprendimento automatico possa rivelarsi più utile per organizzare e interpretare questa complessità che per sostituire i metodi scientifici consolidati.

Per i ricercatori, il valore del progetto sta nel dimostrare che l’invecchiamento di un vino come il Taurasi può essere monitorato attraverso una lettura integrata della chimica e dell’analisi dei dati. Per i produttori e il mercato delle bevande nel suo complesso, l’importanza a lungo termine potrebbe dipendere dalla capacità del metodo di andare oltre un contesto di ricerca limitato e di dimostrare risultati costanti su un numero maggiore di bottiglie, denominazioni e annate.