11日发表在英国《自然》杂志上的一项研究表明，一种机器学习模型可以实时准确地估计大地震的演变过程这种经过训练的机器学习模型可以测量以光速传播的重力变化信号
通常，地震监测需要测量地震波，地震波是在地壳中传播的能量脉冲可是，基于地震波的预警系统有时反应太慢，无法在大地震发生时准确估计地震规模一种解决方案是跟踪瞬时弹性重力信号，该信号以光速传播，由岩体突然错位引起的重力变化产生可是，PEGS能否用于对大地震发生后的位置和发展做出快速可靠的实时估计，还有待验证
来自法国蓝色海岸大学，法国发展研究所，法国国家科学研究中心和蓝色海岸天文台的科学家在日本1400个潜在地震地点模拟了35万个地震场景，并通过使用PEGS信号训练了一个深度学习模型后来，研究人员用2011年日本东北地震的实时数据测试了该模型，这是有史以来最大和最具破坏性的地震之一
研究人员发现，PEGSNet可以精确计算地震方位，地震规模以及地震随时间的变化重要的是，PEGSNet可以快速给出上述信息，并在地震波到来之前做出判断
研究人员得出结论，PEGSNet可能在大地震及其演变的早期监测中发挥重要作用虽然这种模式主要针对日本，但他们强调，这种模式也可以很好地应用于其他地区，这种策略只需稍加调整就可以实时使用
