Los biorreactores coaxiales son conocidos por dispersar eficazmente gas dentro de fluidos no newtonianos. Sin embargo, debido a su complejidad de diseño, muchos aspectos de su diseño y función, incluida la relación entre la hidrodinámica y la eficiencia del biorreactor, permanecen inexplorados. Hoy en día, varios modelos numéricos, como la dinámica de fluidos computacional (CFD) y modelos de inteligencia artificial, ofrecen oportunidades excepcionales para investigar el rendimiento de los biorreactores coaxiales. Por primera vez, este estudio aplicó varios modelos de aprendizaje automático, tanto clasificadores como regresores, para predecir el par generado por un biorreactor coaxial. En este sentido, se realizaron 500 simulaciones CFD a diferentes tasas de aireación, velocidades del impulsor central, velocidades del impulsor ancla y modos de rotación. Los resultados obtenidos de las simulaciones CFD se utilizaron para entrenar y probar los modelos de aprendizaje automático. Se realizaron escalado cuidadoso de características y validación cruzada k-fold para mejorar el rendimiento de todos los modelos y prevenir el sobreajuste. Un hallazgo clave del estudio fue la importancia de seleccionar las características adecuadas para el modelo. Resulta que solo con conocer la velocidad del impulsor central y el par generado por el biorreactor coaxial, el modo de rotación se puede etiquetar con perfecta precisión utilizando modelos de vecinos más cercanos (kNN) o máquinas de soporte vectorial. Además, se examinaron modelos de regresión, incluidos perceptrones multicapa, kNN y bosques aleatorios, para predecir el par de los impulsores coaxiales. Los resultados mostraron que el modelo de bosque aleatorio superó a todos los demás modelos. Finalmente, el análisis de importancia de características indicó que el modo de rotación era el parámetro más significativo para determinar el valor del par.