炒股就看金麒麟分析師研報，權威，專業，及時，全面，助您挖掘潛力主題機會！
MIT理工男跨界藝術，一不小心就以一篇獨作論文登上Nature？！
由他設計的AI算法，將原本需要數月/數年才能搞定的名畫修復工作，極限壓縮至幾小時。
Alex Kachkine，打破畫作修復只能對原作數字掃描品進行「縫縫補補」的傳統藝能，提出一種「以數字方式修復一幅畫，並在物理上實現效果」的全新方法。
以下面這幅15世紀的油畫為例，從左到右依次為受損原畫、具體受損類型掃描、修復後畫作，一眼看去修復效果確實還不錯。
不過需要揭曉的是，修復後畫作並非數字複製品，而是真真切切的原畫（doge）。
他在原畫表面貼上了一層「遮罩」（很薄的塑料薄膜）——
貼上後能直接修復畫上的破損、褪色等問題，而且能在不損害原畫的情況下，被化學品輕鬆去除。
當然最最重要的是，由於新方法引入了AI算法，這一修復過程從數年、數月轉變為幾小時。
拿上面的油畫來說，面對5612個需要修復的區域（需要用57314種不同的顏色填充），整個過程從開始到結束耗時3.5小時，這比傳統修復方法快了約66倍。
下面揭曉Alex Kachkine修復油畫的具體過程。
「缺損越多，新方法就越有效」
概括而言，Alex Kachkine主要進行了以下幾個步驟：
整個過程be like：
這裏重點解釋一下最後兩步。
所謂的雙層「遮罩」（Musk），其第一層是彩色的，第二層圖案完全相同但顏色為白色。
這兩層需要完美對齊，否則修復的效果就會出問題。
Alex特意提醒，「為了完美重現色彩，必須同時使用白色和彩色墨水」。
之後他用高保真噴墨打印機把這兩層「遮罩」打印在一層很薄的透明薄膜上，並將其對齊貼在畫作表面。
貼好後再噴上一層薄薄的傳統清漆，讓修復的部分牢固地粘在畫上。
大功告成後，今後修復人員可以用特殊的溶液輕鬆溶解這層薄膜，從而恢復畫作的原始狀態。
同時，「遮罩」上的數字文件會被保存下來，這樣未來的修復人員可以清楚知道這幅畫之前被修復過哪些地方。
Alex表示，這些都是在以前的修復工作中不可能實現的。
整體而言，修復這幅600年前的油畫僅僅花了Alex三個多小時時間，而作為對比，他幾年前人工修復一幅缺損程度相當的意大利畫作花了9個月。
並且Alex提醒，「缺損越多，新方法就越有效」。
一個熱愛藝術的理工男
說回Alex Kachkine本人，其跨界經歷這一次也被傳為佳話。
並且個人主頁上也明晃晃寫着：
先說工程，這無疑是Alex Kachkine身上最鮮明的標籤。
不論是家庭背景，還是個人求學創業經歷，均與此相關。
他出生於一個「工程世家」，曾祖父修建橋樑，祖母為蘇聯戰鬥機研發自動駕駛系統，父母也都擁有工程學位。
按他自己的話說，「追隨家族的腳步是必然的」。
進入高中後，他對工程學愈發感興趣，並在最後兩年裏學習了德克薩斯州奧斯汀社區學院開設的加速生物技術課程。
在這裏他結識了Joseph Oleniczak導師，而後者頗為賞識其才能。
後來當Alex進入德克薩斯大學奧斯汀分校攻讀機械工程和經濟學雙學位時，正是這位導師邀請他參與研發細菌檢測試劑盒的項目。
並且Joseph Oleniczak透露，雖然自己門下有很多優秀學生，但Alex是唯一被邀請的。
而Alex也不負所望，成功研發了一種病毒檢測設備，然後師生二人憑藉該設備於2018年共同創立了GeneTiger公司，至今這家公司仍在營業。
本科畢業後，本打算直接就業的Alex卻發現很多工作都需要碩士起步，於是又加入了MIT微系統工程師Luis Fernando Velásquez-García的實驗室。
這家實驗室所涉及的領域也非常廣泛，他們將工程學與航空航天、納米技術以及質譜等領域連接起來。
而Alex再次作出重要貢獻。
他用一篇論文解決了質譜儀離子源開發和優化的長期挑戰。其中，他發現蒸發對質譜儀效率至關重要，但其他研究者往往忽視這一點。通過研究蒸發過程，他解釋了許多過去研究中效率提升的意外結果。
不僅論文被2022年的IEEE頂會收錄，還幫助實驗室最終造出了更好、更高效的設備。
目前Alex仍在這家實驗室，雖然實驗室不隸屬於大學的任何部門，但他始終在進行工程學研究。
而除了工程，Alex的另一面是：藝術。
童年的一次看展經歷，最早讓他意識到了自己對藝術的真正熱愛。
當時學校組織他們參觀德州聖安東尼奧市的麥克奈藝術博物館，一位導遊向學生們展示了法國印象派畫家Pierre-Auguste Renoir的一幅海景畫。畫中人物近距離難以清晰呈現，只有退後幾步才能完全展現其形象。
這一獨特觀賞體驗讓Alex興奮不已，以至於他脫離大部隊獨自在這幅畫前反覆觀看。
長大之後，熱愛藝術的Alex經常會購買一些畫作，不過由於預算有限，這些畫作通常是受損的。
也正因為這樣，他纔開始了畫作修復之旅，並嘗試用工程學思路尋找更高效的方法。
後來的故事，大家也都清楚了。
現在，他已經找到了一種能節省大量時間的修復方法，並且還打算持續優化。