北京，5月12日， （记者 孙自法）国际著名学术期刊自然最新发表了地球科学论文，研究人员研究表明，机器学习模型可以准确实时估计大地震的演变，培训机器学习模型可以测量光速传输的重力变化信号。
AI基于PEGS估计以光速传播的大型地震级示意图远快于地震波(图源Lina Jakaite)。 施普林格·自然 图本文介绍，地震波的监测一般需要测量，地震波是地壳中传播的能量脉冲。然而，基于地震波的预警系统有时反应过慢，无法准确估计当前大型地震（矩震级8或以上）的地震规模。一个解决方案是跟踪即时弹性重力信号(prompt elastogravity signals，PEGS)，这种信号以光速传播，由岩体突然错动引起的重力变化引起。PEGS目前地震发生后能否用于快速可靠的实时估算方向和发展还有待验证。
法国蓝海岸大学、蓝海岸天文台、法国发展研究所、法国国家科学研究中心安德里亚·利西亚迪(Andrea Licciardi)与同事和国际同行合作，在日本1400个潜在地震位置模拟了35万个地震场景，并利用PEGS信号训练了一个名字PEGSNet深度学习模型。此后，他们用2011年东北地震的实时数据测试了该模型。2011年，东北地震是迄今为止最具破坏性的地震之一。研究小组发现，PEGSNet随着时间的推移，可以准确计算地震的方向、规模和变化。重要的是，PEGSNet在地震波达到之前，可以快速给出上述信息并做出判断。
论文作者总结说，PEGSNet它可能在早期监测中发挥重要作用，从地表破裂到可能的相关海啸。虽然该模型主要针对日本，但该模型也可以很好地适用于其他地区，该策略可以实时使用，只需要一个小的调整。（已完成时间）
