Geigenbau trifft auf KI: So lässt sich der Klang genauer vorhersagen

Verantwortlicher Redakteur:in: Rainer Trummer 3 min Lesedauer

Anbieter zum Thema

Mit einem neuronalen Netz, entwickelt von Forschenden am Politecnico di Milano, lässt sich das Schwingungsverhalten einer Geigenplatte vorhersagen. Damit wird es beispielsweise möglich, das akustisch beste Holz für eine bestimmte Geige auszuwählen.

(Quelle: Politecnico di Milano)
  • Wie kann man den Klang im Geigenbau vorhersagen? Was ist die beste Form für den besten Klang?

  • Künstliche Intelligenz bietet Antworten auf diese Fragen.

  • Zu diesen Ergebnissen kommen Forscher des Musical Acoustics Lab des Politecnico di Milano in einer Studie, die kürzlich in Nature Scientific Reports veröffentlicht wurde.

In dem Artikel "A Data-Driven Approach to Violinmaking" zeigen der chilenische Physiker und Geigenbauer Sebastian Gonzalez (Post-Doc-Forscher) und der professionelle Mandolinenspieler Davide Salvi (Doktorand), wie ein einfaches und effektives neuronales Netzwerk in der Lage ist, das Schwingungsverhalten einer Geigenplatte vorherzusagen. Diese Vorhersage wird aus einem begrenzten Satz von geometrischen und mechanischen Parametern der Platte gewonnen. Die Fähigkeit, den Klang eines Designs vorherzusagen, kann im Geigenbau ein echter "Game Changer" sein, da es ihnen nicht nur helfen wird, besser als die "Großmeister" zu sein, sondern auch das Potenzial neuer Designs und Materialien zu erkunden. Mit dieser Forschung konnten wir die ersten Schritte in diese Richtung unternehmen und zeigen, wie künstliche Intelligenz, physikalische Simulation und Handwerkskunst zusammenwirken können, um die Kunst des Geigenbaus voranzubringen.

Eine Geigenplatte, abhängig von 35 Parametern

Geigen sind äußerst komplexe Objekte, und ihre Geometrie wird durch ihren Umriss definiert, der sich auf den horizontalen und vertikalen Abschnitten wölbt. Die Inspiration für diese Studie lieferte eine historische Zeichnung, die im "Museo del Violino" in Cremona ausgestellt ist. Die Forscher des Politecnico di Milano entwickelten ein Modell, das den Umriss der Geige als die Verbindung von Bögen aus neun Kreisen beschreibt. Dank dieser Darstellung und einem effizienten Modell der Krümmung der Platte, das auf der berühmten "Messiah"-Geige von Stradivarius basiert, konnten die Forscher eine Geigenplatte in Abhängigkeit von 35 Parametern zeichnen.

Durch zufälliges Verändern solcher Parameter, wie Radien und Mittelpunktsposition der Kreise, Wölbung, Dicke, mechanische Eigenschaften des Holzes usw., erstellten sie einen Datensatz von Geigen (Bild b), der Formen enthält, die den im Geigenbau verwendeten sehr ähnlich sind, aber auch Designs, die noch nie zuvor gesehen wurden. Diese Formen bildeten die Eingabe für das neuronale Netz.

Vielversprechendes Werkzeug für den Geigenbau

Zur Charakterisierung des akustischen Verhaltens jeder Geige im Datensatz wurden fortschrittliche Werkzeuge zur Modellierung von Schwingungen eingesetzt. Der nächste Schritt bestand darin, zu verstehen, ob ein einfaches neuronales Netzwerk in der Lage sein würde, das akustische Verhalten einer Geigenplatte, ausgehend von ihren Parametern, vorherzusagen. Die Antwort erwies sich als positiv, mit einer Genauigkeit, die nahe an 98 Prozent herankam und damit alle Erwartungen übertraf.

Diese Arbeit bietet ein neuartiges und vielversprechendes Werkzeug in den Händen der Geigenbauer von Cremona und perspektivisch auch der internationalen Gemeinschaft. Durch den Einsatz eines neuronalen Netzwerks wird es Geigenbauern ermöglicht, vorherzusagen, wie ein Tonholzblock klingen wird, sobald er in eine Platte geschnitzt ist. Es kann aber auch dazu verwendet werden, zwei Geigen mit übereinstimmendem akustischen Verhalten zu entwerfen, selbst wenn sie aus unterschiedlichem Holz gebaut sind. In Zukunft wird diese Forschung es ermöglichen, das beste Holz für eine bestimmte Geige auszuwählen, was heute noch auf rein ästhetischen Überlegungen beruht.

Bild: Die historische Zeichnung, die der Werkstatt von Enrico Ceruti zugeschrieben wird, inspirierte die Umrissparametrisierung (a) und die geometrische Modellierung, die in der Arbeit angenommen wurde (b). Bildquelle: Politecnico di Milano

Artikel: https://www.nature.com/articles/s41598-021-88931-z

Weitere Informationen: https://www.polimi.it/

Erfahren Sie hier mehr über das Erfassen und Visualisieren von Schallfeldern mit Mixed Reality.

Lesen Sie auch: "Wie ein bio-inspiriertes KI-System Handgesten viel genauer erkennt"

Jetzt Newsletter abonnieren

Verpassen Sie nicht unsere besten Inhalte

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung.

Aufklappen für Details zu Ihrer Einwilligung