CNR Istituto di Scienze del Patrimonio Culturale 的化学家和人工智能研究人员团队开发了一种人工智能模型，能够确定用于制作古典绘画的颜料的化学成分。
在他们的论文中发表在科学进步，该小组描述了他们如何开发人工智能模型并使用包含 500,000 个合成光谱信息的数据集对其进行训练，这些合成光谱代表 57 种颜料和相关化合物。
维护和/或修复旧画，尤其是那些高价值的画，既是艺术也是科学。专家接受过许多领域的培训，从化学到植物学和历史。由于此类艺术品具有很高的价值，人们寻求新技术来更好地理解特定艺术品的本质在进行恢复工作之前。
人们感兴趣的一个主要领域是艺术家使用的颜料的成分。如果使用了错误的化学品，可能会发生反应，导致油漆分解，甚至可能毁掉古代杰作。在这项新的努力中，研究团队带来了去任务。
为了了解构成给定油漆的化学物质，专家使用 X 射线荧光？X 射线成像以非侵入性方式完成，可得出与给定绘画中使用的油漆相关的详细元素成分。不幸的是，艺术家混合颜料以获得所需的颜色这一事实使得识别单独的颜料变得更加困难。
尝试确定此类混合物中的化学物质通常需要进行有根据的猜测，这会导致错误。为了减少此类错误，研究人员开发了一种能够接收宏观 X 射线荧光 (MA-XRF) 的 AI 模型，分析它们，然后打印出用于创作特定绘画的所有油画中发现的化学物质。该模型使用包含 500,000 个合成光谱信息的数据集进行训练。
模型完成并完成初步测试后，研究团队对其进行了更真实的测试，要求其识别用于创作艺术家拉斐尔 1501 年至 1502 年创作的两幅画作的油画中的化学物质。
两者都已使用其他方法进行了广泛的研究和测试，这意味着它们的化学成分之前已被鉴定。研究小组发现，该模型能够正确识别化学物质，包括白色油漆中的铅、红色油漆中的汞和绿色油漆中的铜。
© 2024 科学 X 网络
引文：利用人工智能计算古典绘画中所用颜料的化学成分（2024年10月5日），2024年10月5日检索自https://webbedxp.com/zh-CN/science/jamaal/news/2024-10-ai-figure-chemical-作曲-classical.html
本文档受版权保护。除出于私人学习或研究目的的公平交易外，未经书面许可不得复制任何部分。所提供的内容仅供参考。
