Los detalles del estudio, liderado por investigadores del Instituto de Ciencias del Patrimonio Cultural y del Laboratorio Nacional del Sur del Instituto Nacional de Física Nuclear, ambos en Italia, se han publicado este miércoles en la revista Science Advances.
Lea más: Chile encabeza el índice de avance en la IA entre 19 países de Latinoamérica y el Caribe
El equipo, liderado por Zdenek Preisler, utilizó una nueva red neuronal de aprendizaje profundo para procesar automáticamente datos de macrofluorescencia de rayos X (MA-XRF) de dos pinturas históricas, y demostró que es una alternativa rápida, precisa y fácil de usar que puede sustituir a los métodos clásicos de deconvolución.
La deconvolución es una operación matemática que se usa en restauración y que permite recuperar datos que han sido degradados por un proceso físico y que exigen una amplia formación y mucha experiencia.
Lea más: El arte sensorial y las soluciones digitales para el futuro inauguran Ars Electronica
Zdenek Preisler y sus colegas demostraron las capacidades de la nueva técnica computacional analizando dos famosos paneles de Rafael, Dios Padre y la Virgen María, pintados por el artista del Alto Renacimiento entre 1500 y 1501.
El resultado del análisis ha permitido a los autores deducir cuál era el aspecto de las obras en el pasado, lo que podría servir de base para las estrategias de conservación del presente y ajustar las del futuro.
Una herramienta no invasiva
El MA-XRF es una herramienta de imagen no invasiva capaz de producir mapas detallados de la composición elemental de las pinturas, pero como los pigmentos suelen estar mezclados, el proceso de deconvolución -reducir los errores de estos mapas de elementos aislando y eliminando las señales “ruidosas” de los datos- puede plantear dificultades, incluso a técnicos experimentados.
Los investigadores probaron la técnica con dos pinturas del Retablo Baronci de Rafael, una obra que pertenece a la colección del Museo di Capodimonte (Nápoles) y en la que están representados la Virgen María, a la izquierda, y Dios padre, a la derecha.
Para ello, Preisler y su equipo enseñaron a su red neuronal a evaluar conjuntos de datos MA-XRF utilizando más de 500.000 espectros sintéticos, que representaban 57 pigmentos y compuestos, y luego probaron el modelo en las dos pinturas de Rafael.
La red identificó correctamente y elaboró mapas de plomo, a partir del blanco de plomo presente en las capas blancas de preparación de los paneles; de mercurio, a partir del rojo bermellón de los tonos de piel; y de cobre, a partir del verde de las cortinas.
La IA identifica los pigmentos y trabajos de restauración
El cobre estaba asociado a trazas de potasio, lo que indica que la pintura verde estaba hecha con resinato de cobre o con azurita mezclada con un pigmento amarillo lago.
“Los escáneres MA-XRF también revelaron los motivos dorados de las dos pinturas sobre tabla, parcialmente ocultos en la composición pictórica visible actual, y detectaron trabajos de restauración [que] se produjeron a lo largo del tiempo con pigmentos anacrónicos”, apuntan los autores.
El estudio revela pistas sobre el pasado que podrían servir de base a las estrategias de conservación del presente, “facilitando a los investigadores la deducción del aspecto que tuvo el arte en el pasado y el ajuste adecuado de sus esfuerzos de conservación”, concluye el estudio.