La inteligencia artificial detectó señales previas a rupturas sísmicas en laboratorio

Un equipo internacional de científicos observó por primera vez con claridad cómo una falla sísmica emitió señales previas antes de romperse, mediante experimentos controlados y el uso de inteligencia artificial aplicada al análisis acústico. El estudio se publicó en Nature Communications y documentó un proceso que hasta ahora permanecía fuera del alcance instrumental.

La investigación utilizó bloques de roca de metro y medio para simular fallas reales bajo condiciones de laboratorio, reproduciendo ciclos completos de carga, microfallas y ruptura. Los científicos instalaron sensores a lo largo de toda la falla artificial para registrar emisiones acústicas generadas dentro del material.

Durante el experimento, los sensores captaron miles de microeventos que reflejaron crujidos internos de la roca sometida a presión. Estos registros produjeron una base de datos extensa que permitió observar comportamientos repetitivos antes de cada ruptura.

Un modelo de machine learning basado en Random Forests procesó los datos acústicos y detectó patrones consistentes previos a cada ruptura. El análisis mostró que los intervalos entre microeventos se redujeron de manera progresiva y que la energía liberada aumentó antes del fallo.

Ambos fenómenos coincidieron con señales identificadas en algunos terremotos reales, aunque nunca antes se habían detectado con este nivel de definición. El modelo anticipó rupturas desde decenas de segundos hasta milisegundos antes del colapso, lo que equivale en escala geológica a semanas o décadas de anticipación.

Actividad sísmica en México y relevancia del hallazgo

México registró una actividad sísmica constante debido a la interacción de cinco placas tectónicas que convergen en su territorio. Datos del Servicio Sismológico Nacional indicaron la detección de más de 25,000 sismos al año, con varios eventos de magnitud mayor a seis.

Desde 1900, el país experimentó más de 60 sismos con magnitud superior a siete, algunos con impactos significativos en infraestructura y población. Este contexto convirtió a México en un caso relevante para evaluar avances científicos relacionados con la comprensión de fallas activas.

En un escenario donde la predicción sísmica continúa como un desafío científico, la identificación de señales previas a la ruptura adquirió relevancia para países con alta sismicidad. El estudio aportó evidencia experimental sobre procesos que ocurren antes de un evento mayor.

El contenido generado por inteligencia artificial puede ser incorrecto, aunque los investigadores enfatizaron que los resultados se basaron en datos medidos directamente en laboratorio y analizados mediante modelos entrenados con criterios físicos.

Aplicación de modelos de IA en detección sísmica

La investigación coincidió con el desarrollo de sistemas de detección sísmica basados en inteligencia artificial a nivel global. Seismicai desarrolló modelos para interpretar eventos sísmicos en tiempo real y anticipar anomalías en fallas activas mediante análisis de grandes volúmenes de datos.

En México, donde la densidad de sensores aún presenta limitaciones, estas tecnologías permitieron identificar microseñales que los sistemas clásicos suelen descartar como ruido. Los algoritmos procesaron información acústica y sísmica para extraer patrones repetitivos.

Jocelyn Vargas, directora general de Seismicai, explicó que la inteligencia artificial permitió reinterpretar datos históricos y actuales, integrando información de sensores tradicionales, fibra óptica y microsismos detectados por modelos automatizados.

La empresa adaptó modelos utilizados en entornos de laboratorio para entrenarlos con datos de fallas naturales, como la de San Andrés, la del Pacífico mexicano y segmentos del Cinturón Volcánico Transmexicano. Estos ajustes buscaron mejorar la correspondencia entre experimentos controlados y escenarios reales.

Aunque la predicción exacta de terremotos no se consideró posible, los investigadores señalaron que la lectura de señales pre ruptura podría fortalecer sistemas de alertamiento temprano. En México, este conocimiento podría aportar información adicional para el análisis operativo de sistemas como el sasmex.

15