Esta tesis se desarrolló en un entorno industrial, trabajando como Data Scientist en Basetis, una consultora tecnológica con sede en Barcelona. La tesis detalla los experimentos y resultados obtenidos por el equipo de IA de Basetis en colaboración con Lucta —una empresa global especializada en la síntesis de fragancias, sabores y aditivos para piensos. En particular, el objetivo de este trabajo es predecir con alta precisión las principales propiedades químicas —densidad, índice de refracción y punto de inflamación— de una serie de artículos utilizados por Lucta. Se entrenan varios modelos predictivos, que incluyen tanto modelos analíticos basados en física como algoritmos de aprendizaje automático para datos tabulares de propósito general, como TabPFN y XGBoost. Con estos modelos, se logró una alta precisión en la tarea de predicción.

Aquesta tesi es va desenvolupar en un entorn industrial, treballant com a Data Scientist a Basetis, una consultora tecnològica amb seu a Barcelona. La tesi descriu els experiments i els resultats obtinguts per l'equip d’IA de Basetis en col·laboració amb Lucta —una empresa global especialitzada en la síntesi de fragàncies, sabors i additius per a pinsos. En concret, l’objectiu d’aquest treball és predir amb alta precisió les principals propietats químiques —densitat, índex de refracció i punt d’ignició— d’una sèrie d’articles utilitzats per Lucta. S’entrenen diversos models predictius, que inclouen tant models analítics basats en física com algoritmes d’aprenentatge automàtic per a dades tabulars d’ús general, com TabPFN i XGBoost. Mitjançant aquests models, s’ha aconseguit una alta precisió en la tasca de predicció.

This thesis was developed in industry, working as a Data Scientist for Basetis, a Barcelona-based technological consultancy firm. The thesis details the experiments and results obtained by the Basetis AI team in collaboration with Lucta—a global company specializing in the synthesis of fragrances, flavors, and feed additives. In particular, the objective of this work is to predict with high accuracy the key chemical properties -- density, refractive index and flashpoint -- of a series of articles used by Lucta. We train a series of predictive models, which include both analytic physics-based models and general purpose tabular Machine Learning algorithms, like TabPFN and XGBoost. Using these, we accomplished high accuracy in the prediction task.