在考古學中，將倒塌的古建築石構件精確復位到原始結構——即所謂“結構復位”——是一項極度複雜的挑戰。傳統方法依賴考古學家的經驗和手工逐塊比對，既費力又主觀。受Jenga遊戲組合複雜性的啟發，研究人員提出了Jenga Inverse Predictor（JIP-2）框架，將結構復位視為一個逆預測任務。
JIP-2的核心是一個完全剛體物理引擎，採用定向包圍盒/分離軸定理（OBB/SAT）碰撞檢測，並透過投射高斯-賽德爾（PGS）接觸求解器加速，後兩者分別利用Numba JIT和CuPy CUDA實現。該引擎模擬了450個倒塌場景，覆蓋三種摩擦係數（μ_s = 0.25, 0.40, 0.60），並應用了Ziglar（CMU, 2006）的分析力閾值：沿Y軸無扭矩時F_app = 3μ_s mg，沿X軸有扭矩風險時F_app = 4μ_s mg。
在模擬資料上，團隊訓練了一個雙流ResNet-18網路：一流處理影像特徵，另一流注入摩擦係數的獨熱編碼。網路聯合預測塊移除數量、每個位置的移除機率、質心偏移以及Ziglar扭矩風險。最終，系統能生成一段平滑的3D影片，展示逐塊逆向重建過程。
該論文詳細描述了完整流程、架構和損失函式設計，並討論了在聯合國教科文組織世界遺產——墨西哥尤卡坦半島烏斯馬爾瑪雅遺址的應用前景。JIP-2為計算機輔助考古復位提供了新思路，將深度學習與傳統力學相結合，有望大幅提升文物修復的效率與客觀性。