加州大學伯克利分校的地震學家 Richard Allen說：“這是一種全新的（識別）大震級地震的方法，”他沒有參與這項研究。“如果我們實施這種算法，我們就會對這是一次真正的大地震有更大的信心，而且我們可以更快地在更大的區域內發出警報。”

科學家們通常通過監測地面振動，或地震波，用被稱為地震儀的設備來探測地震。他們能夠提供的預先警告的數量取決于地震和地震儀之間的距離，以及地震波的速度，地震波的速度低于每秒6千米。日本、墨西哥和加利福尼亞的網絡提供了幾秒鐘甚至幾分鐘的提前預警，而且這種方法對相對較小的地震很有效。但是超過7級，地震波就會使地震儀飽和。Allen說，這使得破壞性最強的地震，如東日本大地震，最難識別。

最近，參與尋找重力波的研究人員意識到，這些以光速傳播的重力信號也可能被用來監測地震。佛羅里達大學從事激光干涉儀引力波天文臺工作的物理學家Bernard Whiting說：“這個想法是，只要質量在任何地方移動，重力場就會發生變化，而且......一切都會感覺到它。令人驚訝的是，這個信號甚至會出現在地震儀中。”

在2016年，Whiting和他的同事報告說，普通地震儀可以探測到這些重力信號。地震導致質量的巨大變化；這些變化發出重力效應，使現有的重力場和地震儀下面的地面都發生變形。通過測量這兩者之間的差異，科學家們認為他們可以創建一種新的地震預警系統。重力信號在第一個地震波到來之前就出現在地震儀上，在地震圖的一個部分，傳統上被忽略。Whiting說，通過將幾十個地震儀的信號組合在一起，科學家們可以確定模式來解釋大型事件的規模和位置。

現在，蔚藍海岸大學的博士后Andrea Licciardi和他的同事已經建立了一個機器學習算法來做這種模式識別。他們在數十萬次模擬地震上訓練了該模型，然后在東北地區的真實數據集上測試了該模型。研究人員周四在《自然》雜志上報告說，該模型在大約50秒內準確預測了地震的震級，比其他最先進的預警系統更快。

Whiting說：“這不僅僅是一個想法的種子--他們已經證明了它可以做到。我們展示的是一個原則性的證明。他們所展示的是一個實施的證明。”

重力信號太弱，無法用目前的技術來探測小于8.3級的地震，而且該系統不太可能在已經被地震儀覆蓋的地震區提供額外的提前警告。但它可以提供更可靠的大地震規模估計，這一點至關重要，特別是對于預測海嘯來說，海嘯往往需要額外的10或15分鐘才能到達，Allen說。有了這種技術，日本的地震學家可以準確地確定東北地區的震級，并在“地震開始后的1或2分鐘內發出適當的警報，”同樣在蔚藍海岸大學的地震學家、該論文的共同作者Jean-Paul Ampuero說。“在2011年，這需要幾個小時。這將是非常好的。”

但該技術還沒有投入使用。它還沒有實時處理數據。該模型將被部署在日本--但只針對可能產生"大地震"的特定斷層區所產生的地震。Licciardi說，該算法需要單獨訓練，以便在不同地區使用，研究人員目前正在為秘魯和智利的地震網絡進行訓練。盡管如此，“我們有一個第一代算法......這是一個巨大的進步，”Allen說。“現在讓我們去弄清楚它是否真的有效。”