英国《自然》杂志2022年5月11日发表的一项研究显示，一种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。

基于地震波的标准预警无法快速估算大型地震（8级以上）的规模。测地学方法又受与地震波慢度相关的不确定性和延迟影响。解决办法之一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。结果发现，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。

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模型。

信息来源：

https://www.nature.com/articles/s41586-022-04672-7#:~:text=For%20this%20reason%2C%20PEGS%20dependence%20on%20earthquake%20magnitude%2C,can%20efficiently%20be%20used%20to%20improve%20operational%20EEWS.

科技日报. 张梦然. http://digitalpaper.stdaily.com/http_www.kjrb.com/kjrb/html/2022-05/12/content_534961.htm?div=-1