Roma – Un nuovo studio pubblicato su Science Advances ha dimostrato come una rete neurale di deep learning possa analizzare automaticamente i dati di fluorescenza a raggi X macro (MA-XRF) provenienti da dipinti storici, offrendo un’alternativa rapida e precisa ai metodi tradizionali di deconvoluzione. I ricercatori, guidati da Zdenek Preisler e affiliati all’Istituto di Scienze del Patrimonio Culturale (CNR) in Italia, hanno applicato questa tecnologia a due celebri pannelli di Raffaello, “Dio Padre” e “Vergine Maria”, realizzati tra il 1500 e il 1501.
L’analisi ha rivelato che la rete neurale è stata in grado di identificare correttamente i pigmenti presenti nei pannelli, come il piombo bianco nelle preparazioni bianche, il mercurio dal vermiglione rosso nelle tonalità della pelle e il rame nei drappeggi verdi. Inoltre, sono stati scoperti motivi dorati parzialmente oscurati nella composizione attuale dei dipinti e lavori di restauro nel tempo che hanno coinvolto pigmenti anacronistici. Questi risultati offrono indizi preziosi sul passato delle opere d’arte, aiutando i ricercatori a comprendere meglio come apparivano originariamente e a pianificare strategie di conservazione più efficaci.
L’uso della rete neurale non solo ha migliorato l’accuratezza nella quantificazione delle intensità di fluorescenza, ma ha anche ridotto gli artefatti tipicamente presenti nelle immagini elementari ottenute tramite metodi tradizionali. Questo approccio rappresenta un significativo passo avanti nell’analisi delle opere d’arte e potrebbe rivoluzionare le pratiche di conservazione nel campo dell’arte.(30Science.com)
