科技日报北京5月11日电 （记者张梦然）英国《当然》杂志11日发表的一项探讨显现，一种机器学习模子可行对大型地震的演化发展明确地实时估测，这种通过训练的机器学习模子能测定以光速流传的重力浮动信号。

　　对地震的监测通常须要测定地震波，地震波是在地壳中流传的能量脉冲。然则，鉴于地震波的提前警告体系有时刻反映太慢，没有办法在大型地震（矩震级8或以上）产生的当下明确估算地震范围。有一个解决法子是追踪即时弹性重力信号（PEGS），这类信号以光速流传，由岩体忽然错动导致重力浮动而发生。只是，PEGS能否能用以对大型地震显露后的角度和进行做出迅速可靠的实时估算，一直有待认证。

　　来源法国蔚蓝海岸大学、法国进行探讨院、法国国度科学探讨中心、蔚蓝海岸天文台的科学家们这次在日本1400个潜在地震位子模拟了35万个地震场景，并应用PEGS信号训练了一种深度学习模子（PEGSNet）。以后，探讨人士又用2011年日本东北大地震的实时数据测试了这种模子，2011年日本东北大地震是迄今有纪录的范围第一大、破坏力最强的地震之一。

　　探讨人士发觉，PEGSNet能明确计算地震角度、地震范围以及地震随时间的浮动。要紧的是，PEGSNet能迅速给出以上消息，在地震波到达前就做出判断。

　　探讨人士总结道，PEGSNet在大型地震及其演化（从地表破裂到可能显露的相干海啸）的早期监测方面或能发挥要紧效用。尽管这种模子最重要的针对日本，但它们重申，该模子也能很好地适用于其它地域，只要很小的调度就可以实时运用这一战略。