英國《自然》雜志11日發表的一項研究顯示，一個機器學習模型可以對大型地震的演化進行準確地實時估測，這個經過訓練的機器學習模型能測定以光速傳播的重力變化信號。

對地震的監測一般需要測定地震波，地震波是在地殼中傳播的能量脈沖。然而，基于地震波的預警系統有時候反應太慢，無法在大型地震(矩震級8或以上)發生的當下準確估算地震規模。有一種解決辦法是追蹤即時彈性重力信號(PEGS)，這種信號以光速傳播，由巖體突然錯動導致重力變化而產生。不過，PEGS是否能用來對大型地震出現后的方位和發展做出快速可靠的實時估算，一直有待驗證。

來自法國蔚藍海岸大學、法國發展研究院、法國國家科學研究中心、蔚藍海岸天文臺的科學家們此次在日本1400個潛在地震位置模擬了35萬個地震情景，并利用PEGS信號訓練了一個深度學習模型(PEGSNet)。之后，研究人員又用2011年日本東北大地震的實時數據測試了這個模型，2011年日本東北大地震是迄今有記錄的規模最大、破壞力最強的地震之一。

研究人員發現，PEGSNet能準確計算地震方位、地震規模以及地震隨時間的變化。重要的是，PEGSNet能快速給出以上信息，在地震波到達前就做出判斷。

研究人員總結道，PEGSNet在大型地震及其演化(從地表破裂到可能出現的相關海嘯)的早期監測方面或能發揮重要作用。雖然這個模型主要針對日本，但他們強調，該模型也能很好地適用于其他地區，只需很小的調整就能實時使用這一策略。(張夢然)

關鍵詞： 機器學習模型 大型地震規模 重力變化信號 測定地震波