L'IA svela la tecnica pittorica di Raffaello nella Pala Baronci
L'IA svela la tecnica pittorica di Raffaello nella Pala Baronci
Mappati con precisione gli elementi chimici nei pigmenti
L'intelligenza artificiale svela la tecnica pittorica usata da Raffaello nella Pala Baronci, identificando con precisione la distribuzione degli elementi chimici presenti nei pigmenti: nelle immagini spiccano ad esempio il rame sulle palpebre e il mercurio sulle labbra dell'Eterno, raffigurato nei frammenti dell'opera conservati a Napoli presso il Museo di Capodimonte. I risultati dello studio sono pubblicati sulla rivista Science Advances da un gruppo di ricerca dell'Istituto di scienze del patrimonio culturale del Consiglio nazionale delle ricerche (Cnr-Ispc). Il team di esperti ha messo a punto un algoritmo capace di esaminare e assemblare in modo rapido e accurato grandi quantità di dati generati dalle tecniche spettroscopiche con raggi X applicate ai dipinti. Nello specifico, lo hanno usato per l'analisi dei dati spettrali ottenuti tramite la tecnica Macro X-ray Fluorescence (Ma-Xrf), che permette di generare le immagini delle distribuzioni dei pigmenti sul supporto pittorico in modo non invasivo, fornendo informazioni preziose per comprendere il processo creativo dell'artista, approfondire la conoscenza dell'opera e valutare il suo stato di conservazione. "Tali informazioni, acquisite sotto forma di spettri di fluorescenza a raggi X, sono immagazzinate in complessi volumi di dati analitici, il cui esame rappresenta in molti casi una sfida significativa", spiega Francesco Paolo Romano del Cnr-Ispc. "Lo studio presenta un algoritmo di deep learning addestrato su un vasto dataset sintetico, composto da oltre 500 mila spettri Xrf di pigmenti e di miscele pittoriche generati attraverso simulazioni Montecarlo, un metodo computazionale utilizzato per stimare grandezze fisiche reali sulla base di numeri generati casualmente. Questo approccio analitico basato sull'IA ci consente di analizzare in modo preciso e accurato i milioni di spettri Xrf che tipicamente compongono una misura Ma-Xrf, superando i limiti noti delle tecniche di analisi convenzionali". "I risultati ottenuti - continua Romano - hanno dimostrato che il modello di intelligenza artificiale è in grado di identificare con precisione la distribuzione degli elementi chimici presenti nei pigmenti, fornendo immagini prive degli artefatti tipici delle analisi tradizionali e migliorando la qualità e di conseguenza l'affidabilità dei dati interpretati".
S.Rocha--TFWP
