Ein Team aus Chemikern und KI-Forschern vom CNR, Istituto di Scienze del Patrimonio Culturale, hat ein KI-Modell entwickelt, mit dem sich die chemische Zusammensetzung von Farben bestimmen lässt, die zur Herstellung klassischer Gemälde verwendet werden.
In ihrem Artikel veröffentlicht in Wissenschaftliche FortschritteDie Gruppe beschreibt, wie sie ihr KI-Modell entwickelt und es mithilfe von Datensätzen trainiert hat, die Informationen zu 500.000 synthetischen Spektren enthalten, die 57 Pigmente und verwandte Verbindungen repräsentieren.
Die Erhaltung und/oder Restaurierung alter Gemälde, insbesondere solcher von großem Wert, ist sowohl eine Kunst als auch eine Wissenschaft. Spezialisten verfügen über eine Ausbildung in vielen Bereichen, von Chemie über Botanik bis hin zu Geschichte. Aufgrund des hohen Wertes dieser Kunstwerke wird nach neuen Techniken gesucht, um die Natur eines bestimmten Gemäldes besser zu verstehen, bevor eine Restaurierungsmaßnahme unternommen wird.
Ein Hauptinteresse gilt der chemischen Zusammensetzung der vom Künstler verwendeten Farben. Wenn die falschen Chemikalien verwendet werden, kann es zu Reaktionen kommen, die zu einer Verschlechterung der Farbe oder sogar zur Zerstörung eines antiken Meisterwerks führen können. Bei diesem neuen Vorhaben stellte das Forschungsteam künstliche Intelligenz auf die Probe.
Um die Chemikalien, aus denen ein bestimmter Lack besteht, besser zu verstehen, nutzen Experten Röntgenfluoreszenz: Die Röntgenbildgebung wird nicht-invasiv durchgeführt und liefert detaillierte Elementzusammensetzungen, die mit dem für einen bestimmten Lack verwendeten Lack verbunden sind. . Leider erschwert die Tatsache, dass Künstler Pigmente mischen, um die gewünschte Farbe zu erzielen, die Identifizierung einzelner Gemälde.
Der Versuch, die in solchen Gemischen enthaltenen Chemikalien zu bestimmen, erfordert oft fundierte Vermutungen, die zu Fehlern führen. Um diese Fehler zu reduzieren, haben Forscher ein KI-Modell entwickelt, das Makro-Röntgenfluoreszenz-Datensätze (MA-RFA) empfangen, analysieren und dann die Chemikalien drucken kann, die in allen Ölen enthalten sind, die zur Erstellung eines bestimmten Gemäldes verwendet werden. Das Modell wurde mithilfe eines Datensatzes trainiert, der Informationen zu 500.000 synthetischen Spektren enthielt.
Nachdem das Modell fertiggestellt und die ersten Tests durchgeführt worden waren, unterzog das Forschungsteam es einem realistischeren Test, indem es die Chemikalien identifizieren sollte, die in den Ölen enthalten waren, die zur Herstellung zweier Gemälde des Künstlers Raphael zwischen 1501 und 1502 verwendet wurden.
Beide wurden ausführlich untersucht und mit anderen Methoden getestet, was bedeutet, dass ihre chemischen Bestandteile bereits zuvor identifiziert wurden. Das Forschungsteam stellte fest, dass das Modell Chemikalien wie Blei in weißer Farbe, Quecksilber in roter Farbe und Kupfer in grüner Farbe korrekt identifizieren konnte.
Weitere Informationen:
Zdenek Preisler et al., Deep Learning für eine verbesserte Spektralanalyse von MA-XRF-Datensätzen von Gemälden, Wissenschaftliche Fortschritte (2024). DOI: 10.1126/sciadv.adp6234
© 2024 Science X Network
Zitat: Verwendung von KI zur Bestimmung der chemischen Zusammensetzung von Farben, die in herkömmlichen Farben verwendet werden (5. Oktober 2024), abgerufen am 5. Oktober 2024 von https://phys.org/news/2024-10-ai-figure-chemical-composition -classical. HTML
Dieses Dokument unterliegt dem Urheberrecht. Mit Ausnahme der fairen Nutzung für private Studien- oder Forschungszwecke darf kein Teil ohne schriftliche Genehmigung reproduziert werden. Der Inhalt dient ausschließlich Informationszwecken.