中心郭陳澔教授研究團隊，長期發展AI 的微震監測系統，已可針對各種區域大小，進行微震即時監測並以email 或 line 等方式進行地震訊息推播，這對未來淨零相關工作的地震監測已奠定紮實的基礎，也已應用於 碳封存與地熱探勘的場域中。
我們自2022M6.9關山池上地震發生後，開始研發即時微震監測系統，該系統能全自動化產出快速且合理的地震活動資訊：從連續地震資料傳輸、地震事件偵測定位、生成地震事件清單、地震報告發佈等，目前針對(1)池上及周圍地區、(2) 2024M7.2花蓮地震地區、及(3)2025M6.4大埔地震及西南地區進行連續地震活動監測。這個自動化系統能有效減少研究人員在基礎資料分析的龐大工作量，有更多精力投入地震活動分析等研究工作，我們仍在繼續研發強化這個系統的更多功能，期待日後能更有效提供防救災的第一手資訊。
利用機器或深度學習模組強化地震偵測能力的即時地震監測系統，仍多處於研發階段。在全球尺度，以美國地質調查所(USGS)所屬國家地震中心(National Earthquake Information Center)為例，以過去長年累積的震波到時及波形資料庫，同時發展挑波、波相分類、震央距分類等三個主要深度學習模組，負責全球(M4.5+)及美國境內(M2.5+)即時地震監測(Yeck et al., 2024)。Ni et al. (2025)利用雲端技術整合全球即時地震網資料庫，掛載深度學習模組加速全球地震目錄進程。較多案例為區域或地區尺度，例如美國德州西部背景地震監測(Chen et al., 2024)、科摩羅群島及加勒比海兩個火山島火山地震偵測(Retailleau et al., 2022)、北美太平洋海底火山地震監測(Wang, Waldhauser et al., 2024)等。
這個自動化微震監測系統的文章已經發表在Sensors: Sun, W.-F., Pan, S.-Y., Liu, Y.-H., Kuo-Chen*, H., Ku, C.-S., Lin, C.-M., & Fu, C.-C. (2025). A Deep-Learning-Based Real-Time Microearthquake Monitoring System (RT-MEMS) for Taiwan. Sensors, 25(11), 3353. https://doi.org/10.3390/s25113353