GPU加速による逆構造的アナスタイローシス：ブロック崩壊力学からの復元
研究者らは、JIP-2フレームワークを提案する。これはGPU加速の物理エンジンと深層学習を用いて、崩落したブロック構造の元の配置を予測するもので、ジェンガゲームに着想を得ている。450のシミュレーションエピソードで訓練され、3D復元動画を生成し、ウシュマル遺跡などの考古学的アナスタイローシスに応用可能である。
考古学において、崩落した建築記念物の石要素を元の構造配置に丁寧に再組み立てする「物理的アナスタイローシス」は、保存科学における最も知的に困難な課題の一つである。従来の手法は、考古学者の専門的判断と手作業によるブロック対応付けに大きく依存しており、労力がかかる上に主観的である。この問題の組み合わせ的複雑さに、Jengaゲームから着想を得て、研究者らはJenga Inverse Predictor（JIP-2）を提案する。これは、構造的アナスタイローシスを逆予測タスクとして扱う、GPU加速の深層学習フレームワークである。
JIP-2は、崩落したブロック集合の画像が与えられると、最も可能性の高い元の塔の構成を再構築する。そのために、(1) OBB/SAT衝突検出とProjected Gauss-Seidel（PGS）接触ソルバーを備えた完全剛体物理エンジンを実装し、Numba JITとCuPy CUDAで高速化する。(2) Ziglar（CMU, 2006）の解析的力の閾値（Y軸トルクなしでF_app = 3μ_s mg、X軸トルクリスクありでF_app = 4μ_s mg）を3つの摩擦レベル（μ_s = 0.25, 0.40, 0.60）に対して450のシミュレーションエピソードで適用する。(3) 摩擦の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トルクリスクを共同で予測する二重ストリームResNet-18を訓練する。(4) ブロックごとの逆再構築の滑らかな3D動画を生成する。
本論文では、ユネスコ世界遺産であるユカタン半島のウシュマル・マヤ遺跡におけるコンピュータ支援アナスタイローシスへの応用について議論し、パイプライン、アーキテクチャ、損失関数の詳細な技術説明を提供する。JIP-2は、深層学習と古典力学を組み合わせることで、文化財修復の効率と客観性を大幅に向上させる可能性を秘めている。