Klasyfikacja dziedzictwa chińskiego szkła starożytnego oparta na danych składu i uczeniu maszynowym

Dlaczego stare szkło wciąż ma nowe historie do opowiedzenia

Starożytne chińskie paciorki i naczynia szklane mogą wyglądać podobnie do skarbów z Egiptu czy Bliskiego Wschodu, ale chemicznie są w środku dość różne. Przez wieki pochówek w glebie i wystawienie na wilgoć zmieniają też ich powierzchnie, co utrudnia kustoszom ustalenie, gdzie dany przedmiot powstał i jak. Badanie pokazuje, jak współczesna statystyka i uczenie maszynowe potrafią odczytać ukryte chemiczne „odciski palców” zodnowionego szkła, dając muzeom szybszy i bardziej obiektywny sposób klasyfikacji artefaktów i śledzenia historii technologii wzdłuż Jedwabnego Szlaku.

Szkło wzdłuż Jedwabnego Szlaku

Wczesne przedmioty szklane dotarły do Chin drogą Jedwabnego Szlaku, głównie jako importowane paciorki. Rzemieślnicy później nauczyli się wytwarzać szkło lokalnie, używając własnych surowców. W efekcie chińskie szkło mogło naśladować obce style w kolorze i dekoracji, zachowując jednak odmienny przepis. Wyodrębniły się dwa szerokie typy: szkło o wysokiej zawartości potasu, wytwarzane z popiołu roślinnego bogatego w potas, oraz szkło ołowiowo‑barowe, produkowane z rud zawierających ołów i bar. Te różnice są ważne, bo odzwierciedlają zmiany surowców, wymiany handlowe i technologię. Jednak wieki wietrzenia zamazują te sygnały, więc eksperci tradycyjnie opierali się na tym, co widzą pod mikroskopem — kolorze, wzorze i stopniu zniszczenia powierzchni — połączonym z doświadczeniem osobistym, co jest czasochłonne i subiektywne.

Przekształcanie receptur szkła w dane użyteczne

Autorzy zaczęli od rzeczywistego zestawu danych konkursowych dotyczącego starożytnego chińskiego szkła, który obejmował typ każdego obiektu, kolor, motyw dekoracyjny, stopień wietrzenia oraz szczegółowy skład chemiczny. Ponieważ chemia szkła naturalnie mierzona jest w procentach, które sumują się do całości, zespół zastosował matematyczny krok zwany przekształceniem logarytmu środkowo‑ilorazowego (centered log‑ratio). Konwertuje ono procentowe udziały tlenków na liczby, które można bezpiecznie analizować, bez tworzenia mylących korelacji. Oczyszczono dane, wypełniono kilka brakujących wartości w kontrolowany sposób i sprawdzono, czy przekształcone pomiary zachowują się statystycznie jak dane o rozkładzie normalnym — to istotny warunek wstępny dla wielu współczesnych narzędzi analitycznych.

Jak wietrzenie przekształca szkło

Następnie badacze zapytali, które widoczne cechy rzeczywiście mają związek z wietrzeniem. Stosując testy chi‑kwadrat i test Fishera na 56 artefaktach, znaleźli wyraźny związek między typem szkła a stopniem zniszczenia powierzchni, ale brak istotnego powiązania z kolorem czy motywem dekoracyjnym. Szkła o wysokim potasie i ołowiowo‑barowe starzeją się inaczej z powodu swoich odmiennych struktur wewnętrznych, a nie z powodu wyglądu. Porównując pomiary chemiczne wykonane przed i po wietrzeniu na różnych częściach tych samych obiektów oraz grupując liczne próbki w pięć kategorii (na przykład „ołowiowo‑barowe przed wietrzeniem” lub „ołowiowo‑barowe o silnym wietrzeniu”), wykazali, że kluczowe składniki, takie jak krzemionka i pewne tlenki metali, zmieniają się systematycznie w miarę rozkładu szkła. Na podstawie różnic między grupami zbudowali proste czynniki korekcyjne oparte na stosunkach, które mogą oszacować pierwotny skład szkła na podstawie zmienionej powierzchni, przynajmniej dla wielu głównych składników.

Uczenie algorytmów rozpoznawania rodzin szkła

Mając skorygowane składy, zespół wytrenował kilka modeli uczenia maszynowego — drzewa decyzyjne, regresję logistyczną, maszyny wektorów nośnych i lasy losowe — aby przyporządkować próbki do dwóch głównych rodzin: wysokopotasowej i ołowiowo‑barowej. Co zaskakujące, jeden składnik, tlenek ołowiu (PbO), wystarczył drzewu decyzyjnemu do rozdzielenia obu typów z doskonałą dokładnością w ich zestawie danych: niski poziom ołowiu oznaczał szkło wysokopotasowe, wysoki — ołowiowo‑barowe. Inne modele osiągnęły podobnie wysoką wydajność i pozostały wiarygodne nawet po dodaniu sztucznego „szumu” symulującego niepewność pomiarową. Poszli potem krok dalej, używając metod grupowania, aby odkryć naturalne podgrupy w każdej z głównych rodzin. Szkło wysokopotasowe podzieliło się na dwa podtypy — jeden bogatszy w wapń i miedź, drugi bogatszy w bar i ołów — podczas gdy szkło ołowiowo‑barowe rozdzieliło się na trzy wzory podkreślające różne składniki wspomagające, takie jak magnez, sód albo miedź i bar. Te drobniejsze grupy sugerują odrębne receptury i warsztaty.

Co to oznacza dla muzeów i historii

Dla osób niebędących specjalistami kluczowe przesłanie jest takie, że starożytne szkło można teraz klasyfikować mniej „na oko”, a bardziej w oparciu o dane. Łącząc staranne pomiary chemiczne, właściwą statystyczną obróbkę danych procentowych i solidne metody uczenia maszynowego, badanie oferuje kustoszom i archeologom powtarzalny sposób identyfikacji zwietrzałych obiektów szklanych i powiązania ich z określonymi tradycjami rzemiosła. Z czasem stosowanie takich metod na większych zbiorach mogłoby pomóc w mapowaniu szlaków handlowych, lokalizowaniu ośrodków produkcji i śledzeniu eksperymentów chińskich hutników ze nowymi topnikami, takimi jak ołów i popiół roślinny. Krótko mówiąc, algorytmy wytrenowane na chemii stają się potężnymi nowymi narzędziami w opowiadaniu historii, jak pozornie prosty materiał — szkło — łączył kultury na różnych kontynentach.

Cytowanie: 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

Słowa kluczowe: starożytne chińskie szkło, handel Jedwabnym Szlakiem, nauka o dziedzictwie kulturowym, klasyfikacja uczeniem maszynowym, odleżenia szkła