2025年10月11日至10月12日，北京科技大学科技史与文化遗产研究院主办的第十届古代材料研究国际研讨会（10th Symposium on Archaeomaterials Studies）在北京科技大学逸夫科技馆报告大厅召开。本届会议主题为“数据驱动：材料考古的新方向”，聚焦数据驱动的材料考古研究，涵盖人工智能材料分析、数字模拟与仿真、遗址数据整合、环境信息评估及文物数字保护等多个议题，并继续设立研究生论坛。来自华盛顿大学（University of Washington）、伦敦大学学院（University College London）、北京大学、北京理工大学、北京科技大学、哈尔滨工业大学（深圳）、吉林大学、南京师范大学、山东大学、上海科技大学、天津大学、香港大学、浙江省文物考古研究所等国内外高校和科研院所的二十余位学者出席本次会议。

与会学者合影

大会第一场主旨报告由华盛顿大学的Ben Marwick教授带来，他以“从黄瓜中提取阳光”这一隐喻犀利地指出了考古学研究中可能存在的投入与产出不匹配的风险，并系统性地探讨了如何通过提升研究的可复现性、透明度与实用性，使数据驱动的考古学真正成为一门严谨的实证科学。汇报首先从科学哲学的理论根基入手，梳理了实证主义、证伪主义、范式理论等多种科学划界标准，为评估考古学的科学属性提供了多维框架；进而引入文献计量学方法，提出通过分析合著者数量、参考文献特征等客观指标来量化考古学的“科学硬度”及其演变趋势。为实现这一转型，Ben Marwick教授强调“可复现性”是核心杠杆，并将其明确划分为三个层面：计算可复现性要求代码、数据与环境的完整共享，统计可复现性侧重方法正确性与避免p值陷阱，实证可复现性则关注非计算类证据的可重复验证。作为推动变革的制度实践，他分享了担任《考古科学杂志》首任“可复现性副主编”的经验，其评估数据揭示严峻现状：仅28%的受审论文完全可复现，凸显领域透明度的巨大提升空间。为提供具体范本，汇报重点推介了北科大团队近年的工作，其他代码和数据的提交模式均可作为高可复现工作的范例。汇报论证了考古学迈向成熟数据科学的关键，在于研究者个体充分践行开放科学理念以及构建支持性的制度环境。唯有如此，才能确保数据密集型研究摆脱徒劳隐喻，成为可靠、可积累的科学知识体系。

Ben Marwick教授作主旨演讲

北京科技大学能源与环境工程学院的姜泽毅教授作了题为“Numerical simulation and  virtual restoration for the firing process of ancient typical ceramic and porcelain kilns.” 的主旨报告，介绍了对古代制陶技术过程进行数值模拟和对典型古代陶窑的形制结构进行虚拟复原的相关研究。姜教授首先用两个考古学问题来引入研究背景和动机。由于古代窑炉往往仅有底部窑床保存从而无法获得有关上部结构相关信息，而古代文献材料中记载的陶窑结构或烧制加工过程往往并不全面，这导致了考古工作者无法获得古代陶窑精细参数的困境。因此，他提出在研究中使用了数值模拟和虚拟复原的方式填补上述问题造成的空白。他在研究中对包括景德镇窑、馒头窑、葫芦窑和龙窑在内的四种典型窑炉的烧制过程进行了数值模拟研究。首先对窑炉烧制过程这一长达数十小时的非稳态过程建立模拟方案，进而对窑炉内部不同空间区域的温度分布情况、温度传导速度等数据进行分析，再将模拟结果产出的烧制产品进行质量评估，最终获得能够产生质量最优产品的参数组合，以此确定最佳的烧制过程参数。基于这些参数对窑床以外的空间结构进行补全，设置正交实验分析如窑墙高度、烟道尺寸、投柴量、挡火墙高度等参数对烧制结果的质量影响，从而获得最佳优化结果。最后，使用复烧实验和传感器监测方法对景德镇窑进行实验测试，验证模拟结果的准确性，利用对窑内真实温度分布测量的结果来优化数值模拟的边界条件。这种对古代工艺进行物理场耦合数值模拟和工艺参数重构复原的研究方法有望助力构建中国古代陶瓷烧成技术谱系。

主旨报告之后，会议分别聚焦 “Material(材料)”、“Image (图像)”、“Space (空间)”三个议题进行讨论。十五位专家学者聚焦机器学习、瓷器溯源、制陶技术、资源利用、模拟铸造、玉器研究、图像识别、AI助力陶片拼对、数字遗产、铜器纹饰研究、几何形态学研究、遗址场景重建、信息遥感技术、空间模型、最大熵模型等重要议题，介绍了最新科研成果。南京师范大学贾鑫教授、香港大学苏昕教授、山东大学王庆铸副研究员分别主持了三场报告。

北京大学考古文博学院崔剑锋教授作了题为“Research on Machine Learning Methods for Provenance Studies of Porcelain using Trace Element Analysis by pXRF”的报告。他首先系统回顾了其团队自2012年起在国内率先应用便携式XRF技术进行古陶瓷产源研究的历程，指出该技术凭借快速、无损、原位和数据稳定的优势，为大规模建立窑口数据库及考古出土物、馆藏珍品的溯源与辨伪提供了可能。随着数据量与窑口数量的激增，传统的主成分分析等线性降维方法因数据重叠效应加剧而显不足，研究团队转而采用UMAP等非线性方法及随机森林模型，并遵循“建模-验证-优化-应用”的路径不断改进窑口判别方法。基于包含51个窑口的6421个样本的数据库所构建的随机森林模型在窑区层面分类准确率高达约97%，但因样本量不平衡，召回率约为90%。验证发现，判别不准的窑口主要原因为窑口之间地理位置极为接近（如景德镇窑与湖田窑、钧窑与东沟窑），推测可能与原料同源有关。模型分析进一步揭示了关键判别元素可分为指示地质背景的Zr/Rb/Ti/Th与反映工艺配方的Fe/K/Ca两类，同时证实引入釉色特征反会降低判别精度。针对龙泉窑区的深入案例表明，窑口间距离和样本量是影响判别准确率的关键因素，通过合并邻近小窑口或将判别选项增至前三名，能显著优化模型性能至近100%的准确率。最终，模型在广州地区考古出土陶瓷的实证应用中，成功揭示了其以本地西村窑为主导，并融合福建、越窑、景德镇等多地窑口的复杂供应格局与跨区域流通模式，验证了模型的有效性与实用性。

崔剑锋教授作报告

上海科技大学人文科学研究院助理教授涂栋栋博士作题为Pottery Technological Advances and the Emergence of Agriculture: Archaeological Insights from the Fuxin Region的报告。报告介绍了利用岩相分析、X射线衍射分析、X射线荧光光谱分析、热重分析对贾家沟西遗址 （12D56地点）和塔尺营子遗址（12D16地点）原位堆积中出土的各16件筒形罐残片的分析结果和讨论。12D56测年结果（~7.9-7.75 kaBP）表明属小河西文化；12D16测年结果（~7.5-7.4 kaPa）表明属兴隆洼文化。两处遗址的陶片样品陶质陶色和纹饰宏观上有所不同。12D16地点出土的属于兴隆洼文化时期的陶片样品上发现有刻划、戳印纹饰，而12D56的样品上则没有。岩相显示两遗址的原料配方有显著不同。12D56较为均匀一致，使用了未经处理的自然陶土。12D16可以分为三个不同的岩相组，其中第一组包含大概有一半和12D56相似的陶片，指示继承了延续了之前的操作；第二组使用了更纯净的去除了杂质的黏土；第三组接近第二组，但总体粒径更小，更加纯净和致密。后两组表明了陶工对更高品质的陶土和特殊的羼和料的追求，更有目的性的选择和改进制陶原料。XRD分析显示12D56的陶土未经处理，包含多种自然矿物。XRF分析显示成分主要为SiO2和Al2O3，属于典型的铝硅质黏土。CaO含量普遍很低，缺乏碳酸盐相。分析结果一致显示陶器原料来自当地土壤，没有添加含钙物质，两个时期陶土的主量元素含量没有大的变化。热重分析显示12D56的样品烧成温度低，低于~500℃。12D16则比较多样，一些陶片烧成温度可能达到900℃但没超过1000℃。研究认为两处遗址制陶技术的差异反映了中国东北地区新石器时代早期更广泛的社会经济变迁。从狩猎采集向更加定居的农业生活方式的转变，并非仅仅是采取新的生存方式，还伴随着陶器等手工业生产方式的变革。12D16出现烧制温度更高、经过精心添加羼和料的陶器，可能是为了应对农耕生活烹煮食物储存的挑战。12D56遗址由于其人口较少的半定居群体，制陶可能是一项公共任务，陶器都以相同的方式制作。12D16遗址陶器组合显示一些陶罐是用传统方式制作的，但相当一部分需要明显更多的技能和努力。研究将此描述为高温技术发展中技术个人主义的第一个迹象，陶器生产可能正在从集体活动转变为由特定的拥有自己配方和烧制方法的陶工（或家户）进行的活动。

涂栋栋博士作报告

香港大学苏昕教授分享了题为“商代长江中游地区日用资源的初步研究”的报告。该报告首先指出，在青铜时代的研究中，以青铜器为代表的贵重资源常常是学者关注的焦点。然而，资源类型多种多样，贵重资源固然重要，常见的日用资源同样不容忽视。进而，报告提出从石器和陶器等日用资源的视角出发，研究古代社会。他以商代长江中游地区不同规模的聚落为例，通过X射线荧光、岩相学等方法，对盘龙城、荆南寺、意生寺、郭元咀、宝塔等遗址逐一进行分析，随后将不同遗址的数据进行整合，从更宏观的层面探讨了商代长江中游地区石器与陶器的生产与流通。研究发现，日用资源的开发与利用在商代呈现出一幅复杂图景：不同聚落采取了迥然不同的资源策略，并且随着商王朝势力在长江中游地区的收缩，相应的资源网络也发生了转变。

北京科技大学科技史与文化遗产研究院的陈阳俊以“Moulds to Models: Casting Simulation of Ancient Bronze”为题，介绍了数值模拟铸件凝固过程在古代青铜器铸造工艺研究中的应用，并根据实验结果提出了关于铸造过模拟时程温度设置的一些新认识。中国青铜时代从庄严肃穆的礼器到锋芒逼人的武器，甚至是日常使用的日用品和钱币都是青铜铸成。如此大量而又精美的青铜器必然要求工匠们拥有高超的铸造技艺。因此，青铜器铸造工艺的研究一直是青铜器研究的重要方向之一。目前的研究多是针对青铜器的制模制范、合金熔炼、范型组合、模拟浇铸等多个方面展开。其中，与铸造工艺密切相关的范型组合与浇铸过程是最受关注的研究焦点。目前该方面的大部分研究都是通过观察青铜器上残留的铸造痕迹来推测分范方式、浇口设置、垫片芯撑分布和连接工艺等，仅有少数学者开展了制范到浇注的全过程模拟，以验证某些经验观察得到的结论。但是，模拟浇注实验因为消耗的时间和资金成本较大，且不能做到对古代工艺条件的精准复原，得出的结论仍存在着争议。因此，数值模拟方法在近年来得到了广泛关注，因为使用这一研究方法可以容易地改变浇注系统、合金成分、铸型材料和浇铸温度等参数，对浇注过程的各种工艺设置进行研究和验证。本研究以三星堆出土的神树枝和太阳形器为研究对象，探讨连接工艺对于浇铸温度的要求。实验中首先对两种铜器进行建模，并使用其他研究获得的合金组成及陶范热物性参数作为模拟条件，通过改变范温和浇注合金温度考察铸件的凝固结果和缺陷分布。通过将模拟结果与青铜器实物对比，推测三星堆工匠在使用焊接连接时可能使用了1150℃的浇注温度及未加热的陶范（室温）。虽然连接时的缺陷产生不可避免，但因为连接时形成的机械互锁结构，两部分铸件还可形成稳固连接。研究结果显示，数值模拟手段是高效的铸造工艺研究手段，青铜器铸造过程的各种工艺参数是研究古代工匠技术选择的重要角度，仍然需要更多模拟参数的采集和对更多器型的模拟。

浙江省文物考古研究所姬翔老师以New Advances in the study of prehistoric jades and stone artifacts in Zhejiang为题，系统介绍了浙江省小黄山、良渚遗址群、茅山、西曹墩、曹湾山五处史前遗址出土玉器与石器的整理与材质鉴定结果。研究显示，小黄山遗址（上山和跨湖桥文化）以磨石、磨盘和石锤为主，材质主要为本地广泛分布的玄武岩、燧石及火山碎屑岩；良渚遗址群（良渚文化）鉴定石器1457件，以石锛、石钺、石镞为主，石料包括泥岩、硅质岩、斑点角岩等，经地质调查，硅质岩可能来自100公里外的河桥镇；茅山遗址（良渚文化）石锛主要采用硅质岩与粉砂岩，纺轮则多使用叶蜡石化凝灰岩，该类原料见于钱塘江以南的萧山地区；西曹墩遗址（良渚文化）出土石器671件，其中74.5%为磨石、石片及坯料，初步判定为石器加工作坊，其石料以砂岩、粉砂岩、斑点角岩为主，在本地资源匮乏背景下应来自外部输入，可能与苏州五峰北遗址的石器加工作坊存在关联；曹湾山遗址（好川文化）石器以本地泥岩、凝灰岩为主，玉器多用遗址附近资源丰富的叶蜡石。最后，姬翔总结指出，上山文化与好川文化石器多为就地取材，而良渚文化诸遗址则展现出明显的远距离流通与资源调配体系。这一差异既受自然资源分布影响，也反映了良渚社会较高的经济发展水平与以良渚古城为核心，依托水网建立的跨区域交换网络，其中茅山与西曹墩遗址很可能发挥着中转枢纽的作用。

吉林大学杨溪副教授作了题为“基于图像的古文物智能断代研究”的学术报告，系统介绍了AI技术在青铜器断代与陶器分析中的创新应用。在青铜器研究方面，团队已收集超万张涵盖六大器类的青铜器图像。为解决器型、纹饰与年代的关联分析难题，研发了融合考古学知识图谱的神经网络模型。该模型在年代判断任务中与专家评估的一致性达80%，特征可视化结果符合考古学标准。相关成果已集成至“吉金识辨”小程序，支持用户通过图像扫描实现相似文物实时检索。在陶器分析方面，针对考古报告中图文匹配度低、版式复杂等挑战，团队采用跨模态编码技术结合空间语义索引算法，有效提升图文关联准确性。通过预训练模型迁移学习，融合陶器局部特征与全局特征进行聚类分析，模型识别出的陶器演变规律与专家判断趋势一致，尤其在双耳陶罐形制演化序列中展现出良好解释力。基于研究成果，团队制定了后续计划。青铜器项目将扩增数据至十万件规模，优化知识图谱结构，并开发教学模块。陶器项目致力于将小样本匹配精度提升至90%，并建成形制演变数据库，并优化移动端实时检索性能等。

山东大学考古学院王庆铸副研究员进行了题为“考古出土陶片的AI拼对实验及其意义：以济南大辛庄遗址H690为例”的报告。首先，王老师强调了陶器在考古学研究中的重要性。陶器是进行考古类型学分析的重要遗物类型，将陶器类型学分析与地层学结合，可以确定陶器的相对年代，在此基础上建立考古学文化序列。此外，考古学研究从建立考古学文化序列转向研究古代社会之后，陶器作为出土数量最多的遗物，考古学家对陶器的研究也开始转向陶器的功能、制作工艺、生产组织模式等问题，进而还原先民的社会生活。将AI应用到陶器拼对中，增加了可匹配陶器碎片的数量，有利于利用陶器进行考古学研究。同时，对可拼对陶片的出土位置进行分析，为完善特征功能分区、建立共时性平面和构建聚落模式的研究提供了新材料，并推动了对人类行为和遗址埋藏过程的复原。最后，王老师以大辛庄遗址H690为例进一步介绍了考古出土陶片AI拼对实验，并希望大家一起参与到其团队在kaggle平台上发布的AI陶片拼对挑战之中。

北京理工大学光电学院宋维涛教授在“文物的数字化呈现：迈向智能化和沉浸化的探索与思考”的报告中，系统阐述了文物数字化、智能化与沉浸化发展的最新进展与未来方向。宋教授指出，文物数字化是智能化与沉浸化的基础，其核心在于将文物的物理信息精准转化为可复用的数字形态，为后续的AI分析与展示提供支撑。在文物虚拟修复方面，团队以三星堆典型青铜器为案例，展示了结合三维扫描、数字矫正与虚拟拼接的综合修复方案，实现了残损文物的高精度数字复原。其中，三星堆青铜罍、方尊、面具等复杂器物在虚拟环境中成功重构，为理解古代铸造技术与造型逻辑提供了新视角。在智能化研究方面，宋教授展示了基于深度学习的陶范SEM图像中矿物颗粒的智能分割技术，突破了传统方法的效率与识别瓶颈。在沉浸化展示环节，他以法海寺壁画再现为例，介绍了VR、AR与裸眼3D等技术在文物展示中的应用，推动观众从“旁观者”转变为“亲历者”，实现文化遗产的沉浸式体验。最后，宋教授提出了未来构想：建设标准化文物知识库、运用AIGC实现知识沉浸，并开发垂域大模型以实现前端展示与后端数据的实时贯通，推动文物保护与传播进入智能共情的新阶段。

北京科技大学科技史与文化遗产研究院的魏东副教授作了题为Clues in Bronze Vessel Patterns Based on Convolutional Neural Networks的报告。首先从数据科学与机器学习的发展入手，梳理了卷积神经网络在考古学中的应用。将深度学习的算法逻辑与考古学研究思路对比，提出二者结合，将深度学习模型输出的数据用于考古学分析的研究路径。其次，通过分析卷积神经网络结构，指出在ResNet模型最后卷积层输出的特征向量能够实现图像详细信息的量化，建立了深度学习与考古学分析过程之间的桥梁。在案例中，以商周时期青铜容器纹饰为研究对象，分析时空分布的代表性，开发出深度学习训练程序实现类型预测和特征向量提取，使用非线性降维方法、集合的相似度分析、网络分析等手段实现对数据的解读，结合考古学分析阐释纹饰类型的演化模型和纹饰相关性映射出的区域文化交流关系。最后，魏东副教授强调了方法论的重要性。样本代表性和模型算法适用性都应该进行验证，同时重视算法的优势和局限性。深度学习特征向量揭示的是数据规律，对数据的适度解读和结合考古语境的分析是人工智能辅助考古量化分析的逻辑保障。

北京科技大学科技史与文化遗产研究院的刘思然教授作了题为Shape as Archive： Extracting Historical Information from Silver Bullions via Geometric Morphometrics的报告。他首先梳理了中国古代银锭研究的历史和现状，指出银锭作为一种记录了丰富税收和政府财政信息的书写载体，其铭文历来受到史学界的重视。与此相反，对于其外观形态的考古学观察则相对薄弱，目前仅有少量学者对大尺度上的银锭形态演化进行过梳理。造成这一问题的重要原因是银锭的形态在某一时间阶段内相对稳定，很难通过类型学方法从中提取有效信息。本研究则采用基于椭圆傅里叶变换（EFA）的几何形态学方法对银锭的形态进行定量分析，以期获取其蕴藏在铭文以外的关键历史信息。报告使用两个案例对这一研究设想进行了说明。第一个案例中，团队系统收集了目前已发表的南宋银锭正射影像图，其EFA分析结果显示银锭的轮廓形态变化与其重量规格、生产地点等具有明显的相关性，反映了该时期银锭生产模具与生产背景间的关联关系。唯一的例外是一类铭有出门税字样的银锭，无论重量或生产机构如何变化，其轮廓形态均保持了高度一致，反映了这类银锭特殊的生产背景。结合文献证据与北宋时期类似银锭的对比研究推测这类银锭的生产可能与宋金边境区域的商贸活动有关。第二个案例分析了明代晚期四川地区银锭的形态特征。通过对EFA获取的主成分因子的聚类分析可以发现，即使在一个地区内部的不同县之间银锭也具有细微的形态差异，而导致这种差异的主要因素可能是明代晚期的跨区域交通网络。

贾鑫教授作报告