本研究では、地質データの取得が高コストかつ不確実性が高いため、地質知識を予測モデルに埋め込む手法が有効であることを示しています。特に、生成対抗ネットワーク（GAN）を用いて洪水堆積物を生成し、それを反転させてボーリングおよび地震データに合わせる方法を探求しました。生成モデル訓練中、潜在空間の表現が絡み合っているため、類似の堆積物特性を持つサンプルが近接しないという問題がありました。ラベル条件付けや潜在の過剰パラメータ化によって部分的に改善はされますが、未だ成功した反転には至っていません。最終的なサンプルの質や多様性に影響を与える最初の反転ステップの重要性をも考慮しながら、モデルのローカルな再構成を行うことで、すべてのテストケースにおいて許容可能な誤差に削減できることが示されました。加えて、GANは地質モデルのワークフローに統合できるタスクをすでに処理する能力を持っているものの、さらなる堅牢性の評価が必要です。