Объяснимая классификация традиционной корейской керамики на основе машинного обучения с использованием данных химического состава XRF

Керамические сокровища встречают современные алгоритмы

На протяжении веков эксперты классифицировали лучшие корейские изделия — мягкий зелёный сельадон, смело декорированный бунчон и спокойный белый фарфор — по внешнему виду и опыту. Но что делать, если фрагмент повреждён, обесцвечен или не вполне соответствует учебнику? В этом исследовании показано, как современные методы машинного обучения могут считывать химические «отпечатки» этих изделий, сортируя их объективно и даже объясняя, какие ингредиенты придают каждому предмету его отличительную красоту.

От цветов глазури к скрытым ингредиентам

Сельадон, бунчон и белый фарфор — это не просто музейные ярлыки; они отражают изменения вкусов и технологий от династий Корё до Чосон. Сельадон славится нефритово-зелёной глазурью и замысловатой инкрустацией, бунчон — живыми белыми узорами на тёмном теле, а белый фарфор — чистой, сдержанной элегантностью. Тем не менее визуальная классификация имеет пределы: ранние или экспериментальные образцы могут выглядеть иначе, а выветривание или разрушение скрывают ключевые признаки. Авторы вместо этого обращаются к рентгенофлуоресцентному анализу (XRF), который показывает, сколько каждого основного оксида — например диоксида кремния, оксида алюминия, оксида железа и диоксида титана — присутствует в керамическом теле. Поскольку эти химические рецепты отражают исходные материалы и режимы обжига, они дают более стабильную основу для определения того, каким было изделие.

Обучая компьютеры распознавать старую глину

Команда собрала данные XRF для 624 образцов керамики из предыдущих научных исследований, равномерно представив сельадон, бунчон и белый фарфор. Затем они обучили шесть различных моделей машинного обучения распознавать три типа, используя лишь десять измеренных оксидов. Некоторые модели, такие как деревья решений и случайный лес, разветвляют данные по простым правилам. Другие, например опорные векторные машины, проводят более гибкие границы в математическом пространстве. Чтобы избежать чрезмерной подгонки моделей под этот конкретный набор данных, авторы выделили часть данных для тестирования и проверили работу на полностью отдельной группе из 59 образцов, взятых из независимых исследований.

Насколько хорошо работали машины

Две методы на основе деревьев — случайный лес и экстремальное градиентное бустингование — показали лучшие результаты, правильно классифицировав около 96% тестовых образцов. Опорная векторная машина отставала лишь незначительно, тогда как более простые, жёсткие методы показали худшие результаты. Более детальный анализ ошибок выявил характерную картину: белый фарфор почти всегда определялся верно, а сельадон и бунчон часто путали друг с другом. Это отражает исторические и технологические реалии. И сельадон, и бунчон используют похожие глины и высокие температуры обжига, а ранний бунчон часто заимствовал приёмы у сельадона, поэтому их химические подписи естественно перекрываются. Белый фарфор, изготовленный из необычно чистой глины с очень малым количеством веществ, вызывающих окраску, выделяется как отдельный кластер в данных.

Объяснение решений: почему важны железо и титан

Мощные модели мало полезны историкам, если они ведут себя как чёрные ящики. Чтобы приоткрыть крышку, исследователи использовали SHAP — метод, который присваивает каждому химическому компоненту оценку того, насколько сильно он смещает образец в сторону того или иного типа керамики. В лучших моделях два оксида доминировали в объяснении: оксид железа (Fe2O3) и диоксид титана (TiO2). Уже известно, что они формируют цвет обожжённой глины, меняя оттенки от желтоватых до голубовато-зелёных в зависимости от количества и атмосферы в печи. Анализ машинного обучения подтвердил: низкие уровни железа и титана сильно склоняют к белому фарфору; промежуточные уровни чаще сигнализируют о сельадоне; а более высокое содержание железа в сочетании с умеренным титаном характерно для более тёмного, землянистого тела бунчона. Другие оксиды, например содержащие фосфор и натрий, играли вспомогательную роль в разделении сельадона и бунчона, когда их основные красящие ингредиенты перекрывались.

Что это значит для чтения прошлого

По сути, исследование демонстрирует, что компьютеры способны сортировать традиционную корейскую керамику с точностью на уровне эксперта, при этом ясно указывая, какие ингредиенты наиболее важны. Вместо того чтобы заменять кураторов и археологов, этот подход предлагает им количественного партнёра: способ перепроверить визуальные суждения, разрешать пограничные случаи и лучше понимать, как тонкие изменения в глине и обжиге способствовали эволюции от зелёного сельадона к смелому бунчону и чистому белому фарфору. По мере накопления химических данных из разных печей и периодов такие объяснимые инструменты машинного обучения могут стать стандартной помощью при воссоздании технологических выборов и культурных ценностей, заложенных даже в самом крошечном фрагменте керамики.

Цитирование: Cho, Y.E., Sim, S., Choi, J. et al. Explainable machine learning-based classification of traditional Korean ceramics using XRF chemical composition data. npj Herit. Sci. 14, 28 (2026). https://doi.org/10.1038/s40494-026-02301-4

Ключевые слова: Корейская керамика, машинное обучение, анализ XRF, культурное наследие, классификация фарфора