Existen señales de advertencia ocultas. No siempre. Pero a menudo. Enterrado en miles de pequeños temblores. La mayoría de la gente los extraña. Los científicos lo intentan. Fallan principalmente porque encontrar una aguja es fácil, ¿saber qué aguja importa antes de que el suelo se parta? Más difícil.
Una nueva investigación del Centro GFZ Helmholtz cambia ligeramente las cosas. El Dr. Sadegh Karimpoutli y la Prof. Patricia Martínez-Garzón no dijeron a sus computadoras qué buscar. Esa es la vieja manera. Dando etiquetas preestablecidas. Inútil aquí.
En cambio, dejaron que el algoritmo vagara.
Aprendizaje automático no supervisado. Encuentra estructura sin reglas.
El problema del patrón
A los terremotos no les importa nuestro deseo de hacer predicciones claras. ¿Alguna vez has intentado pronosticar exactamente cuándo ocurrirá el próximo gran desastre? Te reirían del campo. Está sin resolver. Quizás irresoluble.
Los geocientíficos ahora persiguen precursores. Pequeños terremotos. Premonición. Eventos de deslizamiento lento donde las fallas gimen silenciosamente. El problema es la inconsistencia. El tiempo varía. Cambios de ubicación. Un fallo avisa fuerte. Otro se queda en silencio. La geología local importa. El estrés almacenado importa.
Un patrón para un terremoto podría ser ruido para el siguiente.
El aprendizaje automático ayudó a ordenar los catálogos antes. Ahora cambiaron de táctica. No hay una idea fija de cómo es un “precursor”. Sólo datos. Ordenándose a sí mismo.
El Dr. Karimpoutli lo expresó de manera sencilla. En lugar de buscar, deje que los datos revelen su estructura. No hay criterios de diagnóstico predefinidos. Sirve para deslizamientos de tierra. Volcanes. Ahora terremotos.
Familias del terremoto
Los terremotos individuales son mentiras. O al menos están incompletos. ¿Tratar cada temblor como un punto en una hoja de cálculo? Te pierdes el drama.
El equipo agrupó eventos. “Familias”.
Basado en el espacio. Tiempo. Magnitud. ¿Por qué? Porque hablan. Una pequeña ruptura desplaza la tensión cercana. Hace probable otro. O menos. Una mayor proximidad significa una conversación más ruidosa.
El profesor Marco Bohnhoff señala que el comportamiento colectivo revela estrés en la corteza. Al observar a las familias, no a los individuos, se ve la acumulación.
Los investigadores utilizaron características físicas para describir estos grupos. Tirantez de agrupamiento. Localización espacial. Indicadores estadísticos de estrés. Luego, el algoritmo los categorizó. Diferentes etapas de tensión.
Los experimentos de laboratorio funcionaron. Sin embargo, la naturaleza es desordenada. Fallas complejas. Datos imperfectos. ¿Aguantaría?
El cambio crítico
Probaron el método en casos históricos con precursores conocidos. Tres configuraciones tectónicas distintas.
- Kahramanmaraş (Türkiye 2023) – Límite de deslizamiento. Mw 7,8.
- L’Aquila (Italia 2009) – Fallas normales fragmentadas. Mw 6.1.
- Iquique (Chile 2014) – Zona de subducción. Mw 8.1.
¿En los tres? Señales claras. Semanas a meses antes.
El algoritmo encontró un patrón de premonición distinto. Se destacaron tres rasgos. Agrupación más fuerte. Los terremotos hablan más. Mayor localización. Los acontecimientos se acercaron más en el tiempo y en el espacio. Mayor liberación de tensión.
Señala un sistema al borde de la inestabilidad. Un salto del caos estable al caos organizado. Justo antes de la ruptura.
Pero no en todas partes.
El silencio también es una señal
Aplicaron el mismo filtro a terremotos sin advertencias conocidas. Amatrice (Italia 2016) y Noto (Japón 2024).
Nada. No apareció ninguna categoría crítica.
¿Por qué? El profesor Martínez-Garzón lo llama el problema de variabilidad. Monitoreo complejo. Física compleja. Algunas fallas simplemente desaparecen. Sin fanfarrias.
Algunas fallas fallan sin signos evidentes.
Esto no es un fracaso del método. Es una realidad de la Tierra. El proyecto QUAKEHUNTER, financiado por el Consejo Europeo de Investigación, tiene como objetivo comprender cuándo ocurre la preparación. Y cuando podamos atraparlo.
Previsión operativa
La verdadera previsión requiere mirar hacia adelante, no hacia atrás. Entonces lo simularon.
Primero, defina la línea de base. Utilice terremotos anteriores en una región para establecer lo “normal”. Entonces mira los nuevos datos. Busque salidas.
¿Si de repente aparece una nueva categoría sísmica? La falla podría estar entrando en un estado crítico. Diferente. Potencialmente peligroso.
¿Puede esto predecir un terremoto de manera determinista? No. El Dr. Karimpoutli lo tiene claro.
No es una bola de cristal. Es un detector de anomalías. Te dice que la falla es que se comporta de manera extraña. Está susurrando algo nuevo.
El resultado final
La física se encuentra con la IA. Patrones sutiles expusieron que las estadísticas tradicionales pasan por alto. Centrándose en grupos en lugar de en individuos únicos.
¿El siguiente paso? Monitoreo en tiempo real. Integrando estos modelos.
¿Por qué algunos tiemblan de advertencia? ¿Algunos en silencio? Aún desconocido. La herramienta existe. Los datos son ruidosos. La respuesta podría estar simplemente en la charla de fondo que solíamos ignorar.
¿Qué escuchas?
