IA anticipa intensidad sísmica: HEWFERS revoluciona

Un equipo internacional de científicos liderado desde Chile y Reino Unido presentó HEWFERS, un innovador sistema de Alerta Temprana Sísmica basado en inteligencia artificial capaz de predecir la intensidad sísmica en tiempo real a partir de los primeros 10 segundos de ondas P. Publicado en la revista científica Engineering, el modelo integra deep learning, variational autoencoder y actualización bayesiana para anticipar el nivel de movimiento del suelo con una precisión superior a los sistemas estadísticos convencionales. Con datos de más de 14.000 registros sísmicos de Japón, el sistema logró estimaciones de espectros de respuesta que amplían la capacidad de gestión de riesgos sísmicos, alineándose con los objetivos de reducción de desastres de la ONU y la resiliencia comunitaria.

Los investigadores desarrollaron el sistema HEWFERS: cómo la inteligencia artificial predice intensidad sísmica antes de propagación. Se trata de un marco híbrido que combina redes neuronales profundas, autoencoder variacional y Gaussian Process Regression para anticipar el espectro de respuesta sísmica. A diferencia de los modelos estadísticos tradicionales, HEWFERS procesa las ondas P iniciales para estimar la intensidad sísmica antes de que el movimiento fuerte alcance un área. Con más de 14.000 registros de terremotos, incluyendo eventos de subducción como el Tohoku 2011¹, el sistema demostró una correlación superior a 0,9 en la predicción del movimiento del suelo, mejorando la efectividad de las alertas tempranas y ofreciendo ventajas prácticas en la protección de infraestructuras críticas.

El proyecto fue impulsado por un equipo interdisciplinario. Participaron:

• Dr.Jawad Fayaz de la University of Exeter,
• Dr. Rodrigo Astroza Eulufí de la Universidad de los Andes y
• Dr. Sergio Arturo Ruiz Tapia del Departamento de Geofísica de la Universidad de Chile.

Esta colaboración une experticia en inteligencia artificial, ingeniería estructural y sismología. El estudio fue financiado y validado a través de recursos de redes sísmicas internacionales y constituye un ejemplo de cooperación académica transnacional. El Dr. Astroza explica que: “Estamos adaptando el modelo con datos del Centro Sismológico Nacional chileno para implementarlo en nuestro país”. La autoría conjunta refleja un esfuerzo de investigación aplicada con proyección global, enmarcado en los objetivos de gestión de riesgos sísmicos y resiliencia social promovidos por Naciones Unidas.

La validación inicial del sistema HEWFERS se realizó con datos provenientes de Japón, país con una de las redes de acelerógrafos más avanzadas del mundo. Entre 1996 y 2022 se recopilaron 14.000 registros de 1.860 terremotos, en su mayoría de subducción, similares a los que afectan a Chile. Esta base de datos robusta permitió entrenar y evaluar el modelo en condiciones altamente exigentes. Actualmente, el equipo trabaja con registros del Centro Sismológico Nacional de Chile, especialmente tras el fortalecimiento de la red de sensores implementada después del terremoto del Maule en 2010². La combinación de datos japoneses y chilenos garantiza que HEWFERS tenga un impacto realista y aplicable en el contexto sísmico sudamericano.

La investigación fue recibida en agosto de 2024, revisada en enero de 2025 y aceptada en marzo del mismo año, con publicación oficial en junio de 2025 en la revista Engineering. Paralelamente, en mayo de 2025, el equipo presentó los avances en el seminario Aplicaciones de Inteligencia Artificial en Ingeniería Estructural y Sísmica, organizado por la Universidad de los Andes en Chile. Estos hitos marcan la consolidación de un proceso de investigación de varios años que integra aprendizaje automático con conocimiento físico del fenómeno sísmico. La actualidad del estudio y su rápida divulgación académica subrayan el carácter pionero de este aporte en el campo de la alerta temprana sísmica y su potencial implementación en Chile.<

El sistema HEWFERS representa un salto cualitativo en la gestión de riesgos sísmicos, pues predice el nivel de intensidad sísmica que afectará a personas e infraestructuras, no solo parámetros generales como magnitud o epicentro. Esta diferencia resulta crucial para diseñar protocolos de protección en hospitales, centrales eléctricas y redes de transporte. Además, la combinación de explicabilidad IA (XAI) y actualización bayesiana fortalece la confiabilidad de los resultados. [Fayaz]: “Nuestro enfoque no reemplaza los métodos físicos, sino que los complementa con modelos de aprendizaje profundo que mejoran la toma de decisiones en tiempo real”. El aporte también responde a lineamientos de la ONU en reducción de riesgos, contribuyendo a la resiliencia comunitaria frente a desastres naturales.

El objetivo principal de HEWFERS es otorgar segundos vitales de anticipación que permitan a las autoridades y a la población adoptar medidas preventivas. Esto incluye evacuar edificios críticos, detener procesos industriales riesgosos o cortar suministros estratégicos antes del impacto fuerte. El sistema también puede integrarse con aplicaciones móviles para enviar alertas geolocalizadas, expandiendo su utilidad en la protección ciudadana. En términos de política pública, la tecnología puede convertirse en un pilar de la optimización de la resiliencia comunitaria ante desastres naturales, ampliando el alcance del impacto del sistema hacia un escenario de prevención integral. Así, no se trata solo de predicción sísmica, sino de un mecanismo activo de reducción de pérdidas humanas y materiales.

El sistema se apoya en una arquitectura híbrida de Deep Learning. Utiliza un variational autoencoder para extraer variables latentes con sentido físico, una red neuronal feed-forward (FFNN) para procesar los primeros 10 segundos de ondas P y un modelo de Gaussian Process Regression para extrapolar espacialmente la intensidad del movimiento sísmico. Finalmente, aplica actualización bayesiana para afinar las estimaciones en tiempo real. Esta combinación logra correlaciones superiores al 0,85 en reconstrucciones espectrales y supera la precisión operativa de los modelos estadísticos. La integración de explicabilidad IA (XAI) permite a los científicos interpretar los resultados y fortalecer la confianza en el uso de algoritmos en contextos de seguridad pública.

El profesor Astroza manifiesta que: “Este avance demuestra que Chile puede liderar la aplicación de inteligencia artificial en sismología, contribuyendo a la seguridad de millones de personas en el cinturón de fuego del Pacífico”.
Por su parte el Dr. Sergio Ruiz Tapia estableció que: “El reto ahora es adaptar el sistema a los datos chilenos y garantizar que la alerta temprana sísmica sea precisa incluso en entornos con menos sensores que Japón”.
Expertos externos señalan que el modelo combina lo mejor de la sismología tradicional y el aprendizaje automático, abriendo un nuevo paradigma para la predicción sísmica. El uso de XAI es particularmente valorado, ya que otorga transparencia a los algoritmos de IA en decisiones críticas. Este enfoque ha sido descrito como una innovación disruptiva que marcará la evolución futura de los sistemas EEWS.

El equipo trabaja en la validación del framework HEWFERS en datos sísmicos de Chile, con miras a su implementación oficial a nivel nacional. Esto incluye calibrar el sistema con registros locales, fortalecer la red acelerográfica y evaluar su integración con plataformas de alerta pública y aplicaciones móviles. A mediano plazo, se espera que la tecnología se exporte a otros países del cinturón de fuego del Pacífico, donde los terremotos de subducción son frecuentes. También se plantea avanzar en aplicaciones del sistema HEWFERS para decisiones estratégicas en infraestructura crítica, como centrales nucleares o sistemas de transporte masivo. La hoja de ruta contempla ensayos piloto, certificación oficial y escalamiento hacia políticas de gestión de riesgos internacionales.

HEWFERS sintetiza la convergencia entre sismología, ingeniería estructural e inteligencia artificial. Su aporte radica en traducir datos complejos en decisiones estratégicas inmediatas, reforzando la capacidad de respuesta comunitaria. Aunque aún está en fase de implementación en Chile, sus validaciones en Japón ofrecen una base sólida para proyectar su efectividad. La combinación de IA explicable, deep learning y actualización bayesiana redefine el estándar de los sistemas de Alerta Temprana Sísmica, marcando un antes y un después en la gestión de riesgos sísmicos. El desafío es ahora escalarlo de la academia a las políticas públicas, consolidando a Chile como referente en innovación científica aplicada a la resiliencia ante terremotos.

EQUIPO DE INVESTIGADORES