Predecir con exactitud el momento y lugar de un gran terremoto representa uno de los retos históricos más complejos para las ciencias de la Tierra. La profunda complejidad de los sistemas de fallas tectónicas y la inmensa variabilidad de las condiciones de carga dificultan enormemente el rastreo de señales precursoras claras. Por lo general, los métodos de observación tropiezan con grandes limitaciones analíticas frente a la opacidad inexpugnable del subsuelo.

Para superar estas barreras técnicas, un equipo científico del Centro Helmholtz GFZ de Potsdam ha desarrollado un disruptivo modelo predictivo. La investigación, publicada en la revista Nature Communications, emplea avanzados algoritmos de aprendizaje automático no supervisado, capaces de clasificar enormes catálogos de datos sin requerir directrices rígidas previas. Esta tecnología explora de forma autónoma la información para descubrir agrupaciones de eventos que escapan por completo al ojo humano.

El núcleo de esta metodología radica en examinar el comportamiento colectivo de los temblores ya ocurridos, en lugar de estudiarlos como sucesos aislados. Los expertos categorizan la actividad en "familias de sismicidad", definidas como conjuntos de eventos muy próximos entre sí en espacio, tiempo y magnitud. Comprender la evolución de estas redes interconectadas permite observar cómo la tensión elástica se acumula gradualmente a lo largo de la corteza terrestre.

Los investigadores aplicaron su técnica de forma retrospectiva sobre cataclismos trágicamente documentados, destacando el terremoto de Kahramanmaraş de 2023 en Turquía y el sismo de Iquique de 2014 en Chile. En estos escenarios de alta destrucción, el sistema logró identificar con precisión categorías críticas de familias sísmicas que emergieron semanas e incluso meses antes de la ruptura principal. Las anomalías detectadas reflejaban un estado de la falla peligrosamente cercano al colapso total.

Durante la fase preparatoria de estos desastres, los investigadores observaron que las pequeñas sacudidas subterráneas modifican drásticamente su dinámica habitual. El modelo computacional registró una concentración espaciotemporal anómala junto con un incremento masivo en la interacción entre los temblores locales. Simultáneamente, las lecturas evidenciaron una acelerada liberación de tensión que transformó la actividad geológica de un estado estable a una fase de máxima alerta.

Categorización de las familias de sismicidad que precedieron al terremoto de magnitud 7,8 en Kahramanmaraş, Turquía, en 2023 (estrella amarilla). El mapa muestra la distribución espacial de las familias de eventos, codificadas por colores según su categoría. / Karimpouli et al 2026.

La versátil herramienta analítica también reveló la inmensa diversidad existente en los procesos de nucleación sísmica a nivel global. Evaluaciones complementarias realizadas sobre el sismo de Amatrice (Italia) en 2016 y el de Noto (Sicilia) en 2024 demostraron que algunas zonas de falla terminan cediendo de manera virtualmente indetectable. En estas regiones, la ausencia total de interacciones precursoras subraya las imprevisibles particularidades únicas de cada entorno tectónico.

El fracaso de detección en escenarios específicos obedece a factores geológicos de enorme sutileza, destacando los deslizamientos asísmicos o la escurridiza migración de fluidos presurizados. Estos fenómenos alteran la fricción de las placas y desencadenan grandes rupturas dinámicas que evitan generar los habituales enjambres sísmicos previos. La constatación de esta inmensa variabilidad confirma la manifiesta imposibilidad de aplicar reglas universales absolutas a la dinámica de nuestro planeta.

A pesar de sus lógicas limitaciones naturales, el nuevo paradigma algorítmico ostenta un potencial incalculable para integrarse en las redes operativas de previsión gubernamental. Alimentar esta red neuronal con flujos de datos continuos posibilitará evaluar en tiempo real cualquier desviación sospechosa respecto a los patrones de fondo habituales. Identificar el surgimiento de nuevas categorías críticas otorgará a las autoridades márgenes de tiempo sumamente valiosos para preparar a la población civil, enfatizan los investigadores.

El enfoque exploratorio basado en inteligencia artificial garantiza además un grado de sofisticación técnica inmensamente superior a los modelos estadísticos clásicos empleados hasta la fecha. Minimizar los falsos positivos constituye una prioridad absoluta para cimentar la viabilidad tecnológica y preservar la confianza ciudadana en las alarmas institucionales.

Al refinar la profunda comprensión de los estadios previos a la ruptura, la geofísica moderna consolida un extraordinario escudo analítico frente a los caprichos incontrolables de la naturaleza.

Fuente: Levante - EMV