Ein Team aus Chemikern und KI-Forschern am CNR, Istituto di Scienze del Patrimonio Culturale, hat ein KI-Modell entwickelt, mit dem sich die chemische Zusammensetzung der Farben bestimmen lässt, die zur Herstellung klassischer Gemälde verwendet werden.
In ihrem Papier veröffentlicht In Wissenschaftliche Fortschrittebeschreibt die Gruppe, 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 zugehörige Verbindungen repräsentierten.
Die Erhaltung und/oder Restaurierung alter Gemälde, insbesondere solcher von hohem Wert, ist Kunst und Wissenschaft zugleich. Spezialisten verfügen über eine Ausbildung in vielen Bereichen, von Chemie über Botanik bis hin zu Geschichte. Aufgrund des hohen Wertes solcher 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 zum Zerfall der Farbe führen und möglicherweise ein antikes Meisterwerk ruinieren. Bei diesem neuen Vorhaben hat das Forschungsteam künstliche Intelligenz auf den Prüfstand gestellt.
Um ein Verständnis für die Chemikalien zu erlangen, aus denen eine bestimmte Farbe besteht, nutzen Experten Röntgenfluoreszenz. Die Röntgenbildgebung erfolgt auf nicht-invasive Weise und führt zu detaillierten Elementzusammensetzungen, die mit der auf einem bestimmten Gemälde verwendeten Farbe verknüpft sind . Leider erschwert die Tatsache, dass Künstler Pigmente mischen, um eine gewünschte Farbe zu erhalten, die Identifizierung einzelner Farben.
Der Versuch, die Chemikalien in solchen Mischungen zu bestimmen, erfordert oft fundierte Vermutungen, die zu Fehlern führen. Um solche Fehler zu reduzieren, entwickelten die Forscher ein KI-Modell, das Makro-Röntgenfluoreszenz-Datensätze (MA-RFA) empfangen, analysieren und dann die Chemikalien ausdrucken kann, die in allen Ölen enthalten sind, die zur Herstellung eines bestimmten Gemäldes verwendet wurden. Das Modell wurde mithilfe eines Datensatzes trainiert, der Informationen zu 500.000 synthetischen Spektren enthielt.
Nachdem das Modell fertiggestellt und die ersten Tests abgeschlossen waren, unterzog das Forschungsteam es einem realistischeren Test, indem es die Chemikalien in den Ölen identifizieren sollte, die zur Herstellung zweier Gemälde des Künstlers Raphael aus den Jahren 1501–1502 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 die Chemikalien korrekt identifizieren konnte, darunter Blei in weißer Farbe, Quecksilber in roter Farbe und Kupfer in grüner Farbe.
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