地下の誘電率特性を推定することは、環境調査やインフラのコンクリートの非破壊評価など、多くの応用において重要です。従来の波形反転手法は、少数の均質な層を仮定し、密な測定や材料境界の強い事前知識を必要とするため、スケーラビリティや現実的な精度に限界があります。本研究では、測定データとマックスウェル方程式を満たすように訓練された、地下の誘電率を深さの連続関数として再構成する物理に基づく機械学習フレームワークを提案します。このフレームワークはシミュレーションやカスタムレーダー実験によって検証され、現地の誘電率測定値との高い一致（R^2=0.93）が得られました。戦略的に配置された3つのセンサーだけで、正確なプロファイルを回収できることが示されています。このアプローチは、地下の反転を境界追従から連続的特性推定に再定義し、低コストのレーダーシステムによる電磁イメージングの精度向上につながります。