文化財保存科学において、崩壊した建築記念物の石造要素を元の構造配置に丹念に再構築する「構造アナスタイローシス（anastylosis）」は、最も知的な難題の一つとされている。従来の手法は考古学の専門家による判断と手作業によるブロックごとの対応付けに大きく依存しており、労働集約的であるだけでなく、本質的に主観的でもある。この問題の組合せ的複雑さがゲーム「ジェンガ」に現れていることに着想を得て、L.A. Muñoz氏は「Jenga Inverse Predictor（JIP-2）」と名付けたGPU加速深層学習フレームワークを提案した。これは構造アナスタイローシスを逆予測タスクとして扱うものである。
崩壊したブロック集合の画像が与えられると、JIP-2は最も確率の高い元の塔構造を再構築することを目指す。このフレームワークは4つの主要部分から構成される。第一に、有向バウンディングボックス（OBB）と分離軸定理（SAT）による衝突検出を備えた完全な剛体物理エンジンを実装し、投影ガウス・ザイデル（PGS）接触ソルバーをNumba JITとCuPy CUDAで加速している。第二に、Ziglar（カーネギーメロン大学、2006年）の解析的力閾値を適用する。すなわち、Y軸方向のトルクなしの場合が F_app = 3*mu_s*m*g、X軸方向のトルク危険のある場合が F_app = 4*mu_s*m*g である。これらの閾値を3つの摩擦係数レベル（mu_s = 0.25、0.40、0.60）にわたり、450のシミュレーションエピソードで適用した。
第三に、研究チームはデュアルストリームResNet-18を訓練した。このネットワークは摩擦係数のone-hotベクトルを注入し、ブロック除去数、位置ごとの除去確率、重心の不均衡、Ziglarトルクリスクという4つの出力を同時に予測する。第四に、システムはブロックごとの逆再構築を滑らかな3D動画として生成し、崩壊状態から元の塔構造へと遡る過程を視覚的に示すことができる。
論文ではさらに、コンピュータ支援アナスタイローシスへの示唆、特にメキシコ・ユカタン州にあるユネスコ世界遺産のマヤ遺跡ウシュマル（Uxmal）への応用の可能性について詳しく論じている。著者は完全なパイプライン、ネットワークアーキテクチャ、損失関数の定式化について技術的な説明を提供している。論文は全20ページ、6つの図を含み、GitHubリンクが添付されており、コンピュータビジョンとパターン認識（cs.CV）および機械学習（cs.LG）の分野に属する。2026年6月23日に提出され、arXiv番号は2606.28394である。