Three-dimensional structural geomodels are increasingly being used for a wide variety of scientific and societal purposes. Most advanced methods for generating these models are implicit approaches, but they suffer limitations in the types of interpolation constraints permitted, which can lead to poor modeling in structurally complex settings. A geometric deep learning approach, using graph neural networks, is presented in this paper as an alternative to classical implicit interpolation that is driven by a learning through training paradigm. The graph neural network approach consists of a developed architecture utilizing unstructured meshes as graphs on which coupled implicit and discrete geological unit modeling is performed, with the latter treated as a classification problem. The architecture generates three-dimensional structural models constrained by scattered point data, sampling geological units and interfaces as well as planar and linear orientations. The modeling capacity of the architecture for representing geological structures is demonstrated from its application on two diverse case studies. The benefits of the approach are (1) its ability to provide an expressive framework for incorporating interpolation constraints using loss functions and (2) its capacity to deal with both continuous and discrete properties simultaneously. Furthermore, a framework is established for future research for which additional geological constraints can be integrated into the modeling process.

三维结构地质模型越来越多地用于各种科学和社会目的。生成这些模型的最先进方法是隐式方法，但它们在允许的插值约束类型方面受到限制，这可能导致在结构复杂的环境中建模不佳。本文提出了一种使用图神经网络的几何深度学习方法，作为经典隐式插值的替代方案，该方法由通过训练学习范式驱动。图神经网络方法由一个开发的架构组成，该架构利用非结构化网格作为图形，在其上执行耦合的隐式和离散地质单元建模，后者被视为分类问题。该架构生成受散点数据、采样地质单元和界面以及平面和线性方向约束的三维结构模型。该架构用于表示地质结构的建模能力通过其在两个不同案例研究中的应用得到了证明。该方法的好处是（1）它能够提供一个表达框架，用于使用损失函数合并插值约束；（2）它能够同时处理连续和离散属性。此外，为未来的研究建立了一个框架，可以将额外的地质约束整合到建模过程中。该架构用于表示地质结构的建模能力通过其在两个不同案例研究中的应用得到了证明。该方法的好处是（1）它能够提供一个表达框架，用于使用损失函数合并插值约束；（2）它能够同时处理连续和离散属性。此外，为未来的研究建立了一个框架，可以将额外的地质约束整合到建模过程中。该架构用于表示地质结构的建模能力通过其在两个不同案例研究中的应用得到了证明。该方法的好处是（1）它能够提供一个表达框架，用于使用损失函数合并插值约束；（2）它能够同时处理连续和离散属性。此外，为未来的研究建立了一个框架，可以将额外的地质约束整合到建模过程中。该方法的好处是（1）它能够提供一个表达框架，用于使用损失函数合并插值约束；（2）它能够同时处理连续和离散属性。此外，为未来的研究建立了一个框架，可以将额外的地质约束整合到建模过程中。该方法的好处是（1）它能够提供一个表达框架，用于使用损失函数合并插值约束；（2）它能够同时处理连续和离散属性。此外，为未来的研究建立了一个框架，可以将额外的地质约束整合到建模过程中。