Uma equipe de químicos e pesquisadores de IA do CNR, Istituto di Scienze del Patrimonio Culturale, desenvolveu um modelo de IA capaz de determinar a composição química das tintas usadas para fazer pinturas clássicas.

Em seu artigo publicado na Science Advances , o grupo descreve como desenvolveu seu modelo de IA e o treinou usando conjuntos de dados que contêm informações sobre 500.000 espectros sintéticos, que representaram 57 pigmentos e compostos associados.

Manter e/ou restaurar pinturas antigas, especialmente aquelas de alto valor, é tanto arte quanto ciência. Especialistas têm treinamento em muitas áreas, que vão de química a botânica e história. Devido ao alto valor dessas peças de arte, novas técnicas são buscadas para entender melhor a natureza de uma determinada pintura antes que um esforço de restauração seja realizado.

Uma grande área de interesse é a composição química das tintas usadas pelo artista. Se os produtos químicos errados forem aplicados, reações podem ocorrer resultando na quebra da tinta, possivelmente arruinando uma antiga obra-prima. Neste novo esforço, a equipe de pesquisa colocou a inteligência artificial em ação.

Para obter uma compreensão dos produtos químicos que compõem uma determinada tinta, os especialistas usam fluorescência de raios X — a imagem de raios X é feita de uma forma não invasiva e resulta em composições elementares detalhadas associadas à tinta usada em uma determinada pintura. Infelizmente, o fato de os artistas misturarem pigmentos para obter uma cor desejada torna a identificação de tintas individuais mais difícil.

Tentar determinar os produtos químicos em tais misturas frequentemente envolve suposições educadas, o que leva a erros. Para reduzir tais erros, os pesquisadores desenvolveram um modelo de IA capaz de receber conjuntos de dados de fluorescência de raios X macro (MA-XRF) , analisá-los e então imprimir os produtos químicos encontrados em todos os óleos usados ??para criar uma determinada pintura. O modelo foi treinado usando um conjunto de dados contendo informações sobre 500.000 espectros sintéticos.

Depois que o modelo foi concluído e os testes iniciais foram feitos, a equipe de pesquisa fez um teste mais realista, pedindo que ele identificasse os produtos químicos nos óleos usados para criar duas pinturas feitas pelo artista Rafael entre 1501 e 1502.

Ambos foram extensivamente estudados e testados usando outros métodos, o que significa que seus componentes químicos foram previamente identificados. A equipe de pesquisa descobriu que o modelo foi capaz de identificar corretamente os produtos químicos, incluindo chumbo na tinta branca, mercúrio na tinta vermelha e cobre na tinta verde .