給油畫做CT！AI一眼看破拉斐爾藝術名畫的創作祕訣

近年來，無損成像技術在繪畫研究和保護領域取得了飛速發展，宏觀X射線熒光（MA-XRF）分析技術作爲其中的佼佼者，能夠幫助專家們識別顏料、分析繪畫技法，爲了解藝術家的創作過程提供寶貴信息。然而，MA-XRF技術會生成龐大而複雜的數據集，對傳統的數據分析方法提出了挑戰。

最近，意大利的研究人員將深度學習算法應用於MA-XRF數據集的光譜分析，開發了一套全新的分析方法 。該方法使用蒙特卡洛模擬生成的50多萬個合成光譜對深度學習算法進行訓練，能夠快速準確地分析MA-XRF數據集中的XRF光譜，克服了傳統解卷積方法的侷限性。

爲了驗證新方法的準確性和適用性，研究人員將該方法應用於意大利卡波迪蒙特博物館展出的兩幅拉斐爾畫作——《父神》和《聖母瑪利亞》。結果顯示，深度學習模型不僅能夠更準確地量化熒光線強度，還能有效消除傳統分析方法產生的僞影，生成更清晰的元素分佈圖。

通過與傳統解卷積算法的比較分析，研究人員發現，新方法在處理低計數、低信噪比的元素線時表現更爲出色，能夠更精確地分離XRF光譜中重疊的熒光線，從而更準確地識別顏料 。例如，新方法可以準確地區分能量相近的鐵（Fe）和錳(Mn)元素，以及鉛(Pb)和硫(S)元素，避免了傳統方法容易產生的誤判。

這項研究成果標誌着人工智能技術在藝術品分析領域的重大進步，爲更準確、更高效地分析XRF光譜，特別是處理MA-XRF成像技術產生的大型數據集提供了新的思路 。未來，研究人員計劃進一步擴展該方法的應用範圍，例如推斷繪畫的層析結構，或比較不同儀器獲得的光譜數據 。

論文地址:https://www.science.org/doi/10.1126/sciadv.adp6234