用“分子照相机”和人工智能，一层层揭开古今名画的创作秘密

本文介绍了一种面向文化遗产保护的创新分析技术：将高空间分辨率（5微米）的基质辅助激光解吸电离质谱成像（MALDI-MSI）与专为绘画材料定制的机器学习模型MSIpredictART相结合，实现对古今油画多层结构的无损、原位、分子级解析。传统方法常难以区分成分相似的有机胶结材料（如蛋清、动物胶、干性油）或识别微量降解产物；而本方法不仅能精准识别从无机颜料（如铅白、赭石）到有机大分子（如蛋白质、树脂）的各类成分，还能定位它们在每一微米级图层中的分布，并揭示清漆渗透、颜料老化、胶结材料交联等动态变化过程。研究团队首先用15年历史的仿古多层颜料样本优化实验流程（如用普通胶带稳定极薄切片），构建了首个面向艺术材料的专用质谱数据库，并开发出可自动判别各层成分的预测模型。该模型通过LASSO算法筛选最具判别力的质谱峰，再用高斯混合模型（GMM）过滤低置信度结果，有效避免误判。该方法首次成功应用于约1690年的历史名画《圣母订婚》（纽约大都会博物馆藏），清晰分辨出石膏底料、铁系红土颜料、铅白、超薄金箔及后加的达玛树脂清漆，并与扫描电镜、拉曼光谱等传统手段结果高度一致；同时也在当代油画中准确识别出17种现代合成颜料及其复杂混色方案（如用黄、蓝颜料调出绿色）。研究表明，该技术不仅能大幅提升文物鉴定与修复的科学性，还可为快速老化的当代艺术品提供分子层面的‘健康档案’，助力预防性保护。其模块化设计也便于与多种成像技术联用，在最小取样前提下获取最丰富的信息。