Clasificación del patrimonio vidriero chino antiguo basada en datos composicionales y aprendizaje automático

Por qué el vidrio antiguo aún tiene nuevas historias que contar

Las cuentas y los recipientes de vidrio chinos antiguos pueden parecerse a tesoros procedentes de Egipto o Oriente Medio, pero químicamente son bastante diferentes en su interior. A lo largo de los siglos, el enterramiento en suelo y la exposición a la humedad también modifican sus superficies, lo que dificulta a los conservadores identificar dónde se fabricó una pieza o cómo. Este estudio muestra cómo la estadística moderna y el aprendizaje automático pueden leer las “huellas digitales” químicas ocultas del vidrio meteorizado, ofreciendo a los museos una forma más rápida y objetiva de clasificar artefactos y rastrear la historia de la tecnología a lo largo de la Ruta de la Seda.

El vidrio a lo largo de la Ruta de la Seda

Los primeros objetos de vidrio llegaron a China por la Ruta de la Seda, principalmente en forma de cuentas importadas. Más tarde, los artesanos aprendieron a fabricar vidrio localmente con sus propias materias primas. Como resultado, el vidrio chino pudo imitar estilos foráneos en color y decoración mientras conservaba una receta distinta. Surgieron dos tipos generales: vidrio alto en potasio, elaborado con ceniza vegetal rica en potasio, y vidrio plomo‑bario, fabricado con minerales que contienen plomo y bario. Estas diferencias importan porque reflejan cambios en las materias primas, el comercio y la tecnología. Sin embargo, siglos de meteorización difuminan estas señales, por lo que los expertos tradicionalmente se han basado en lo que ven al microscopio —el color, el motivo y el grado de deterioro superficial— combinado con la experiencia personal, una práctica que consume tiempo y es subjetiva.

Convertir recetas de vidrio en datos utilizables

Los autores partieron de un conjunto de datos real de un concurso sobre vidrio chino antiguo, que incluía el tipo de cada objeto, color, motivo decorativo, grado de meteorización y composición química detallada. Debido a que la química del vidrio se mide naturalmente en porcentajes que suman un todo, el equipo aplicó un paso matemático llamado transformación logarítmica centrada (centered log‑ratio). Esto convierte los porcentajes de óxidos en números que pueden analizarse con seguridad sin crear correlaciones engañosas. Limpiaron los datos, rellenaron algunos valores faltantes de forma controlada y comprobaron que las medidas transformadas se comportaban estadísticamente como datos distribuidos en una campana normal —una condición previa esencial para muchas herramientas analíticas modernas.

Cómo la meteorización remodela el vidrio

A continuación, los investigadores preguntaron qué rasgos visibles se relacionan realmente con la meteorización. Usando pruebas de chi‑cuadrado y exacta de Fisher en 56 artefactos, encontraron un vínculo claro entre el tipo de vidrio y el grado de deterioro superficial, pero ninguna relación significativa con el color o el motivo decorativo. El vidrio alto en potasio y el plomo‑bario envejecen de manera diferente debido a sus distintas estructuras internas, no por su apariencia. Al comparar mediciones químicas tomadas antes y después de la meteorización en distintas partes de las mismas piezas, y al agrupar muchas muestras en cinco categorías (por ejemplo, «plomo‑bario antes de la meteorización» o «plomo‑bario con meteorización severa»), demostraron que componentes clave como la sílice y ciertas óxidos metálicos cambian sistemáticamente a medida que el vidrio se degrada. A partir de estas diferencias entre grupos, construyeron factores de corrección sencillos basados en ratios que pueden estimar la composición original del vidrio a partir de su superficie alterada, al menos para muchos de los ingredientes principales.

Enseñar a los algoritmos a reconocer familias de vidrio

Con composiciones corregidas, el equipo entrenó varios modelos de aprendizaje automático —árboles de decisión, regresión logística, máquinas de vectores de soporte y bosques aleatorios— para clasificar las muestras en las dos familias principales, alto en potasio y plomo‑bario. De forma notable, un único ingrediente, el óxido de plomo (PbO), fue suficiente para que un árbol de decisión separara ambas categorías con precisión perfecta en su conjunto de datos: bajo plomo significaba vidrio alto en potasio, alto plomo significaba vidrio plomo‑bario. Otros modelos alcanzaron rendimientos igualmente altos y se mantuvieron fiables incluso cuando los investigadores añadieron “ruido” artificial para imitar la incertidumbre de la medición. Luego fueron un paso más allá, usando métodos de agrupamiento para descubrir subgrupos naturales dentro de cada familia principal. El vidrio alto en potasio se dividió en dos subtipos —uno más rico en calcio y cobre, otro más rico en bario y plomo— mientras que el vidrio plomo‑bario se subdividió en tres patrones que enfatizan distintos ingredientes secundarios como magnesio, sodio, o cobre y bario. Estos grupos de detalle sugieren recetas y talleres distintos.

Qué significa esto para museos e historia

Para los no especialistas, el mensaje clave es que el vidrio antiguo puede ahora clasificarse menos por vista y más por datos. Combinando mediciones químicas cuidadosas, un tratamiento estadístico apropiado de datos en porcentaje y aprendizaje automático robusto, este estudio ofrece a conservadores y arqueólogos una forma replicable de identificar objetos de vidrio meteorizado y vincularlos a tradiciones concretas de fabricación. Con el tiempo, aplicar tales métodos a colecciones más amplias podría ayudar a mapear rutas comerciales, localizar centros de producción y seguir cómo los vidrieros chinos experimentaron con nuevos fundentes como el plomo y la ceniza vegetal. En resumen, los algoritmos entrenados con química se están convirtiendo en poderosas ayudas para contar la historia de cómo un material aparentemente simple, el vidrio, conectó culturas a través de continentes.

Cita: Tang, P., Gan, X. & Tang, J. Ancient chinese glass heritage classification based on compositional data and machine learning. npj Herit. Sci. 14, 125 (2026). https://doi.org/10.1038/s40494-026-02370-5

Palabras clave: vidrio chino antiguo, comercio de la Ruta de la Seda, ciencia del patrimonio cultural, clasificación mediante aprendizaje automático, meteorización del vidrio