文章导读
你以为AI修复文物需要海量人工标注？错了。面对出土时已断裂的竹简残片，传统缀合耗时费力，而深度学习因真实配对样本稀缺而束手无策。武汉大学跨学科团队颠覆了这一认知：他们从断裂力学出发，物理模拟竹简断裂和腐蚀过程，自动生成大量具有真实物理特性的配对数据，让AI学会区分匹配与非匹配残片。这个名为WisePanda的框架，不仅解决了竹简缀合的数据困境，更可能为陶器、金属器物等文物拼接开辟新路。但真正让人好奇的是——这种物理驱动范式，能否让AI在文化遗产保护中彻底取代人工？
— 内容由好学术AI分析文章内容生成，仅供参考。
（通讯员许永超）近日，国际综合性期刊《自然•通讯》（Nature Communications）在线发表了武汉大学文化遗产数智化保护领域的最新研究成果。论文题为“Rejoining fragmented ancient bamboo slips with physics-driven deep learning”（《基于物理驱动深度学习的古代竹简残片缀合研究》）。武汉大学人工智能研究院、计算机学院2023级博士研究生朱近赤、简帛研究中心雷海龙老师和华中师范大学赵洲老师为论文共同第一作者，武汉大学计算机学院和人工智能学院教授夏桂松、杜博和许永超为共同通讯作者，武汉大学为论文第一署名单位和通讯作者单位。
竹简是记录中国古代文明的重要载体，承载了典籍、法律、军事、政治、经济以及社会生活各个方面的珍贵信息。面对众多出土时就已断裂的竹简残片，缀合工作往往是复原文本、提供关键历史信息的重要步骤，同时也是极具挑战的环节。传统的人工缀合耗时费力，而真实的可缀合碎片样本规模较小，无法直接用于训练深度学习模型。如何借助人工智能技术提升缀合率，是简牍学与人工智能交叉领域亟待突破的核心挑战。
对此，该研究提出了物理驱动的深度学习框架WisePanda，为竹简残片的智能缀合乃至古代文物残片的广义拼接提供了全新思路。训练深度学习模型用于竹简残片缀合，面临配对训练数据严重匮乏的困境，真实配对关系只能依赖简牍学者长期耗时的人工鉴别确认。该研究从断裂力学角度出发，对竹材纤维结构在应力作用下的断裂传播过程进行物理建模，并模拟断裂在长期地下环境中的差异化腐蚀退化规律，结合算法对模型参数进行优化，从而自动生成大量具有真实物理特性的配对训练数据，摆脱了对人工标注样本的依赖。在此基础上，WisePanda基于对比学习网络，从合成数据中学习区分匹配与非匹配残片的有效特征表示，为简牍学者提供排序候选建议以辅助缀合决策。该研究建立了一种通过物理驱动机制应对特定训练数据匮乏问题的新范式，有望进一步推广至陶器、金属器物等其他古代文物的缀合任务。
该研究得到了国家自然科学青年基金、武汉大学教育发展基金会雷军教育基金等支持。
武汉大学始终高度重视学科交叉融合研究，积极推动人工智能与人文社会科学的深度协同与创新融合。该成果由武汉大学人工智能研究院、计算机学院、人工智能学院、简帛研究中心和武汉大学文化遗产智能计算实验室等单位深度交叉合作完成，是人工智能赋能人文社会科学的一次成功探索。简帛研究中心团队在复原和整理里耶秦简、睡虎地汉简、河泊所汉简等碎片众多的简牍材料中积累了丰富的缀合理论与实践经验，为该研究提供了重要的专业支持，同时也通过细致的实物观察与数据积累，为简牍断裂力学的探索贡献了智慧。武汉大学文化遗产智能计算实验室是教育部首批哲学社会科学实验室，为该研究提供了最初的算力和自主科研经费支持，提供了人工智能与人文社会科学的交叉研究平台。
© 版权声明
本文由分享者转载或发布，内容仅供学习和交流，版权归原文作者所有。如有侵权，请留言联系更正或删除。
相关文章
暂无评论...