"O objetivo deste artigo era dar às pessoas um mapa para fazer uma bebida de café expresso que eles gostassem e, em seguida, poder fazê-la 100 vezes seguidas." (Crédito: Dustin Whitaker / U. Oregon)
Uma nova abordagem pode ajudá-lo a tirar a foto perfeita do café expresso, relatam pesquisadores.
A chave da abordagem? Use menos café em uma moagem mais grossa do que a sabedoria tradicional sugeriu, diz Christopher Hendon, químico em computação no departamento de química e bioquímica da Universidade de Oregon. A fórmula também torna o café expresso mais rápido e com menos água do que o habitual.
"Queremos extrair mais do café para economizar dinheiro e ser sustentável, mas também queremos que ele tenha um sabor delicioso, não queimado ou amargo", diz ele. "Nosso método nos permite fazer isso."
O método, conclui a equipe de pesquisa, pode proporcionar uma economia econômica de US $ 1.1 bilhão por ano para as cafeterias dos EUA, permitindo que eles cortem 13 centavos de cada uma das 124 milhões de bebidas à base de café que produzem diariamente. A nova abordagem também aumentaria o rendimento de extração de cada sacola de café acima dos atuais 18% para 22%.
"Para o dono da loja local, esta é uma oportunidade de economizar muito dinheiro sem sacrificar a qualidade", diz Hendon. “Para a torrefadora, esta é uma oportunidade de refletir sobre a abordagem da torrefação e como as pessoas estão produzindo seu café. Para o produtor, isso significa apenas que é necessário continuar produzindo café de alta qualidade, que pode render mais dinheiro ”.
Químicos, matemáticos e profissionais do café de cinco países colaboraram no projeto. Eles analisaram o tamanho da moagem, a pressão da água, a vazão, a quantidade de café e a cinética de extração para buscar um ótimo rendimento de extração ou a porcentagem de café que entra em uma bebida.
Seu trabalho se baseava em eletroquímica, comparando como cafeína e outras moléculas se dissolvem dos grãos de café para a maneira como os íons de lítio se movem através dos eletrodos de uma bateria. Empregar metodologias de modelagem do trabalho com bateria levou a um rigoroso modelo de extração de café capaz de fazer previsões poderosas e testáveis.
“... a coisa mais reproduzível que você pode fazer é usar menos café.”
Os pesquisadores realizaram experimentos iniciais em Brisbane, na Austrália, e concluíram a implementação final no Tailored Coffee Roasters em Eugene, Oregon.
"O impacto real deste artigo é que a coisa mais reproduzível que você pode fazer é usar menos café", diz Hendon. “Se você usar 15 gramas em vez de 20 gramas de café e moer seus grãos mais grossos, você terminará com uma injeção muito rápida, mas com um ótimo sabor. Em vez de levar 0.7 segundos, ele pode ser executado em 25 a 7 segundos. Mas você acaba extraindo sabores mais positivos do feijão, para que a força do copo não seja drasticamente reduzida. Amargo, sabores fora do sabor nunca têm chance de entrar no copo. ”
Encontrar a moagem grossa certa que permita que a água flua corretamente precisará de experimentação individual para fazer a fórmula da equipe funcionar. Mais grosseiro não significa simplesmente mudar a configuração de um moedor de fino para claro, diz Hendon. Os pesquisadores de moagem grossa que escolheram como eficazes no estudo produziram partículas de tamanho variável, mas ainda se encaixam no que é considerado uma moagem fina. Os rebarbadores, acrescenta, fornecem os melhores meios para ajustar uma moagem fina viável.
"Uma boa bebida de café expresso pode ser feita de várias maneiras", diz ele. "O objetivo deste artigo era fornecer às pessoas um mapa para fazer uma bebida de café expresso de que gostassem e, em seguida, poder fazê-la 100 vezes seguidas".
Sobre o autor
Christopher Hendon é um químico computacional no departamento de química e bioquímica da Universidade de Oregon.
A nova pesquisa aparece em Importância.
A Barista Technology e Acaia Corp. doaram equipamentos para o projeto. Os pesquisadores realizaram cálculos de forma colaborativa por meio do Extreme Science and Engineering Discovery Environment, um sistema virtual de recursos, dados e conhecimentos de computação compartilhados, suportados pela National Science Foundation.
Fonte: Universidade de Oregon
