【TechWeb 报道】3 月 13 日消息，在地震、海啸此类自然灾害的应对方面，各国都积极采取着有效应对措施。2011 年日本东北部海域曾发生过矩震级 9.0 级的地震并引发海啸，造成了重大人员伤亡和财产损失。当时受技术条件限制，所以在评估海啸影响方面，信息并不准确。

为此马拉加大学研究小组（EDANYA）开始利用 GPU 来加速机器学习的速度，以此来改进海啸预警系统。该团队开发了一个基于 GPU 的数字模型，称为 Tsunami-HySEA，用于加速 TEWS 框架下的模拟速度。

现今有两种途径来分析海啸的影响，其一是根据地震的幅度和沿海地区到震中的距离，使用决策矩阵来预估海啸对海岸带的影响，但此方法过于简陋并不准确。

另一种方法，是依赖数据库中的海啸数据进行评估，但无法进行实时计算，所以一旦与实际情况产生出入，那么系统无法提供进一步的信息。

以 2011 的地震为例，传统数值模型要花费 10 个小时才能进行海啸模拟，而 Tsunami-HySEA 模型通过使用两个 NVIDIA Tesla P100 GPU，在 4-5 分钟内便可完成计算，并能更快的创建出准确度高的未来海啸场景‘数据集’。

除模拟之外，Tsunami-HySEA 还可通过潜在震源来模拟可能发生的海啸事件，将自然灾害风险控制在最低的范围。由于硬件价格较为低廉，所以这个项目在未来很可能被用于山体滑坡、风暴潮等灾害方面。