英国《自然》杂志11日发表的一项研究显示，一个机器学习模型可以对大型地震的演化进行准确地实时估测，这个经过训练的机器学习模型能测定以光速传播的重力变化信号。

　　对地震的监测一般需要测定地震波，地震波是在地壳中传播的能量脉冲。然而，基于地震波的预警系统有时候反应太慢，无法在大型地震（矩震级8或以上）发生的当下准确估算地震规模。有一种解决办法是追踪即时弹性重力信号（PEGS），这种信号以光速传播，由岩体突然错动导致重力变化而产生。不过，PEGS是否能用来对大型地震出现后的方位和发展做出快速可靠的实时估算，一直有待验证。

　　来自法国蔚蓝海岸大学、法国发展研究院、法国国家科学研究中心、蔚蓝海岸天文台的科学家们此次在日本1400个潜在地震位置模拟了35万个地震情景，并利用PEGS信号训练了一个深度学习模型（PEGSNet）。之后，研究人员又用2011年日本东北大地震的实时数据测试了这个模型，2011年日本东北大地震是迄今有记录的规模最大、破坏力最强的地震之一。

　　研究人员发现，PEGSNet能准确计算地震方位、地震规模以及地震随时间的变化。重要的是，PEGSNet能快速给出以上信息，在地震波到达前就做出判断。

　　研究人员总结道，PEGSNet在大型地震及其演化（从地表破裂到可能出现的相关海啸）的早期监测方面或能发挥重要作用。虽然这个模型主要针对日本，但他们强调，该模型也能很好地适用于其他地区，只需很小的调整就能实时使用这一策略。