Классификация древнего китайского стекла на основе состава и машинного обучения

Почему старое стекло всё ещё может рассказать новые истории

Древние китайские стеклянные бусы и сосуды внешне похожи на находки из Египта или Ближнего Востока, но по химическому составу они заметно отличаются. За столетия погребения в почве и воздействие влаги изменяют их поверхности, из‑за чего кураторы испытывают трудности при определении места и способа изготовления. В этом исследовании показано, как современные статистические методы и машинное обучение могут «прочитать» скрытые химические «отпечатки» выветрившегося стекла, предоставляя музеям более быстрый и объективный способ классификации артефактов и прослеживания истории технологий вдоль Шёлкового пути.

Стекло вдоль Шёлкового пути

Ранние стеклянные изделия проникли в Китай по Шёлковому пути, главным образом в виде импортных бус. Позднее ремесленники освоили местное производство стекла, используя собственное сырьё. В результате китайское стекло могло имитировать иностранные стили по цвету и декору, но иметь отличную «рецептуру». Выделились две большие группы: стекло с высоким содержанием калия, получаемое с помощью золы растений, богатой калием, и свинцово‑бариевое стекло, изготовленное из руд, содержащих свинец и барий. Эти различия важны, потому что отражают изменения в сырьевых источниках, торговле и технологиях. Однако века выветривания размывают эти сигналы, и эксперты традиционно опирались на микроскопическое изучение — цвет, узор и степень разрушения поверхности — в сочетании с личным опытом, что занимает много времени и носит субъективный характер.

Преобразование рецептов стекла в пригодные для анализа данные

Авторы начали с реального конкурсного набора данных по древнему китайскому стеклу, в котором для каждого предмета были указаны тип, цвет, декоративный мотив, степень выветривания и подробный химический состав. Поскольку химический состав стекла традиционно измеряют в процентах, которые в сумме дают целое, команда применила математическое преобразование с центральным логарифмом отношения (centered log‑ratio). Это превращает проценты оксидов в числа, которые можно безопасно анализировать без создания ложных корреляций. Данные очистили, аккуратно восстановили несколько пропущенных значений и проверили, что преобразованные измерения ведут себя статистически похоже на нормальное распределение — важное условие для многих современных методов анализа.

Как выветривание перестраивает стекло

Далее исследователи выясняли, какие видимые признаки действительно связаны с выветриванием. С помощью критериев χ2 и точного теста Фишера на 56 артефактах они обнаружили явную связь между типом стекла и степенью разрушения поверхности, но не нашли значимой связи с цветом или декоративным мотивом. Высококалиевое и свинцово‑бариевое стекла стареют по‑разному из‑за различий во внутренней структуре, а не из‑за внешнего вида. Сравнивая химические измерения, взятые до и после выветривания на разных участках одних и тех же предметов, и группируя множество образцов по пяти категориям (например, «свинцово‑бариевое до выветривания» или «сильное выветривание свинцово‑бариевого»), они показали, что ключевые компоненты — кремнезем и некоторые металлические оксиды — систематически смещаются по мере разложения стекла. На основе различий между группами были построены простые поправочные коэффициенты на основе соотношений, которые позволяют оценить исходный состав стекла по его изменённой поверхности, по крайней мере для многих основных компонентов.

Обучение алгоритмов распознавать семейства стекла

Имея скорректированные составы, команда обучила несколько моделей машинного обучения — решающие деревья, логистическую регрессию, машины опорных векторов и случайные леса — разделять образцы на две основные группы: высококалиевое и свинцово‑бариевое стекло. Удивительно, но один ингредиент — оксид свинца (PbO) — оказался достаточным для решающего дерева, чтобы идеально разделить эти две группы в их наборе данных: низкое содержание свинца соответствовало высококалиевому стеклу, высокое — свинцово‑бариевому. Другие модели показали сопоставимо высокую точность и оставались устойчивыми даже при добавлении искусственного «шума» для имитации погрешностей измерений. Затем они пошли дальше, используя методы кластеризации для выявления естественных подгрупп внутри каждой основной семьи. Высококалиевое стекло разделилось на два подтипа — один более богат кальцием и медью, другой — барием и свинцом, тогда как свинцово‑бариевое стекло разбилось на три схемы, подчёркивающие разные вспомогательные компоненты, такие как магний, натрий или медь и барий. Эти тонкие группы указывают на различные рецептуры и мастерские.

Что это значит для музеев и истории

Для неспециалистов главный посыл в том, что древнее стекло теперь можно классифицировать меньше «на глаз» и больше на основе данных. Сочетая тщательные химические измерения, корректную статистическую обработку данных в процентах и надёжные методы машинного обучения, это исследование предлагает кураторам и археологам воспроизводимый способ идентификации выветрившегося стекла и отнесения его к конкретным ремесленным традициям. Со временем применение таких методов к большим коллекциям может помочь картировать торговые маршруты, локализовать центры производства и отслеживать, как китайские стеклодувы экспериментировали с новыми флюсами, такими как свинец и зола растений. Короче говоря, алгоритмы, обученные на химии, становятся мощными новыми инструментами для рассказа о том, как, казалось бы, простой материал — стекло — связывал культуры на разных континентах.

Цитирование: 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

Ключевые слова: древнее китайское стекло, торговля по Шелковому пути, наука о культурном наследии, классификация с помощью машинного обучения, выветривание стекла