El estudio que usó Inteligencia Artificial (IA) que fue liderado por el profesor Néstor Becerra Yoma y contó con la colaboración del Centro Sismológico Nacional (CSN) busca disminuir los tiempos de reacción ante la posibilidad de una situación de alarma y estimar la microsismicidad local detectando y caracterizando sismos de baja magnitud.
En un hito que podría transformar la forma en que Chile enfrenta su constante amenaza sísmica, el proyecto Fondef “Detección y caracterización automáticas de eventos sísmicos con machine learning integradas al entorno operacional del monitoreo nacional sismológico” IT23I0036, dirigido por el profesor Néstor Becerra Yoma del Departamento de Ingeniería Civil Eléctrica (DIE) de la Facultad de Ciencias Físicas y Matemáticas (FCFM) de la Universidad de Chile, llegó a su culminación con resultados muy prometedores. Financiado por el Fondo de Fomento al Desarrollo Científico y Tecnológico (Fondef), esta iniciativa investigó y desarrolló dos sistemas innovadores basados en machine learning, que se pueden integrar al entorno operacional del Centro Sismológico Nacional (CSN), alcanzando un nivel de madurez tecnológica TRL 7 (Demostración de sistema o prototipo completo demostrado en entorno operacional), mostrando como resultado dos prototipos en condiciones reales.
La investigación podría ayudar a proteger a la población de desastres
Chile, uno de los países más sísmicos del mundo debido a la subducción de la placa de Nazca bajo la placa Sudamericana, tiene en su bitácora eventos tan catastróficos como el recordado terremoto de 1960 (M9.5), llamado de Valdivia, pero que se extendió desde la Península de Arauco hasta la Península de Taitao, y en la región del Maule de magnitud 8.8, el 27 de febrero de 2010, considerado como el segundo sismo más fuerte en la historia del país y el octavo más fuerte registrado por la humanidad, desde que hay registro instrumental.
En la actualidad la red del Centro Sismológico Nacional (CSN) cuenta con alrededor de 110 estaciones multiparamétricas, 120 dispositivos de Sistema Global de Navegación Satelital (GNSS) y 296 instrumentos de movimiento fuerte, lo que genera una avalancha de datos que supera la capacidad humana para poder efectuar un análisis complejo. Aquí es donde entra la IA que podría ser un verdadero aporte a la sociedad chilena y para el CSN: “Esta tecnología no solo automatiza procesos complejos, sino que puede salvar vidas al ganar minutos cruciales en alertas tempranas”, explicó el profesor Becerra durante el evento de cierre.
El epicentro de la investigación
El primer sistema se enfoca en la detección y caracterización automática de sismos menores a M3, eventos locales que el CSN no puede monitorear exhaustivamente por limitaciones del recurso humano. Utilizando módulos de deep learning para detectar, segmentar señales sísmicas, estimar magnitudes y distancia hipocentro-estación, este prototipo procesa trazas históricas de modo offline con una “precisión” superior al 90%. En pruebas con una traza continua de 24 horas con una estación a unos 77 km al norte-noroeste de La Serena, se detectaron 173 eventos, incluyendo 62 catalogados y 101 no catalogados, con una “precisión” del 94%. Sus aplicaciones van desde identificar fallas activas hasta refinar estándares de construcción civil, fortaleciendo la resiliencia nacional ante posibles desastres.
El segundo sistema, diseñado para sismos mayores a magnitud 5, representa un “centro sismológico en miniatura” que opera en un solo computador. Este sistema puede monitorear online todas las estaciones sismológicas activas del CSN, detectar la ocurrencia de un sismo y determinar las primeras estaciones que lo observaron. En seguida, estima la magnitud con una única estación (la primera que lo detecta) y el epicentro con las tres primeras estaciones para lo que requiere las estimaciones de las distancias hipocentro-estación, los ángulos de incidencia y que las estaciones no sean colineales. Si son colineales, usará información de otras estaciones. Así, se puede reducir el tiempo de respuesta y de incertidumbre en la población. El sistema demostró un error de un 4% en la estimación de magnitud con una sola estación para sismos mayores a magnitud 4, similar al que obtiene el CSN a los cinco primeros minutos con 5 a 10 estaciones usando métodos tradicionales, y un error de 11.6 km en la distancia hipocentro-estación. “Imaginemos alertas de tsunamis emitidas en tiempo real, protegiendo costas y comunidades”, destacó Becerra, subrayando su potencial para sistemas de alerta temprana, casi al instante después de haber ocurrido un evento que podría ser catastrófico.
La historia de los inventos que han logrado validarse.
Los dos sistemas que fueron probados con datos reales de terremotos desde 2010 hasta 2025. Utilizan métodos automáticos que mezclan el conocimiento de expertos en sismos con técnicas de deep learning y procesamiento de señales para ignorar ruidos y analizar las señales sísmicas. El proyecto cubre diferentes tipos de terremotos, como los que ocurren entre placas (que pueden causar tsunamis), dentro de una placa o en la corteza superficial. Además, sus ideas se pueden aplicar a otros problemas en campos de la ciencia o la ingeniería. En el evento participaron e intervinieron: Gloria Millaray Curilem, acádemica del Departamento de Ingeniería Eléctrica de la Universidad de La Frontera y partner del proyecto; Sergio Barrientos, director del CSN; Lorits Hernández, subdirector de desarrollo estratégico de SENAPRED; Matías Sifón, jefe del Departamento de Oceanografía del SHOA; y Viviana Meruane, Directora Académica de la FCFM. Todos tuvieron generosas palabras hacia los resultados del proyecto.
Onda expansiva de los resultados del proyecto
La profesora Gloria Millaray Curilem, UFRO, valoró y felicitó que se haya llegado a la etapa de aplicación y que la tecnología no haya quedado restringida a pruebas de laboratorio.
Al respecto, Sergio Barrientos, CSN, comentó que el trabajo que se presentó en el cierre del proyecto “es muy relevante, ya que en el futuro nos permitirá analizar de manera automática miles de sismos menores que hoy, por limitaciones de personal, lamentablemente no revisamos. Esto significará, a futuro, recuperar información crucial sobre el comportamiento de las fallas y la preparación de eventos mayores que actualmente se nos escapa, y que es de mucha utilidad para avanzar en la comprensión y prevención del riesgo sísmico en Chile”.
Por su parte, Lorits Hernández, SENAPRED, mencionó la importancia de trabajar en conjunto para modernizar las herramientas que apoyan el trabajo. “Para llegar oportunamente a la ciudadanía, necesitamos confianza, cercanía y modernización, por lo mismo es bueno que en estas instancias como estas se trabaje en colaboración entre la industria, la academia y el sector privado. En este caso, la inteligencia artificial es clave: agiliza procesos, acelera decisiones y fortalece respuestas efectivas. Nos sumamos con plena disposición para seguir avanzando juntos por un Chile más preparado”.
Matías Sifón, SHOA, reforzó los halagos para el proyecto por haber llegado a productos potenciales aplicables.“Me uno a las felicitaciones de quienes ya han hablado, y felicito no solo el esfuerzo, sino también el producto. Muchas veces se desarrollan procesos e ideas y eventualmente se diluyen en algo, pero terminamos con un producto específico, concreto que aporta directamente a un sistema que es crítico en Chile, como parte de los organismos técnicos de monitoreo. Y desde la perspectiva del SHOA, el fortalecimiento del CSN es definitivamente tremendamente beneficioso y productivo para nosotros. Y aquí están dando un salto tremendo hacia la inteligencia artificial que nos permite potenciar procesos con miras hacia el futuro”.
Finalmente, la profesora Viviana Meruane, FCFM, enfatizó en la misión pública de la Universidad y el impacto de la IA en la resiliencia sísmica. “Sabemos que Chile es uno de los países con la actividad sísmica más intensa del mundo, y tenemos el CSN que genera una gran cantidad de datos, pero se necesitan nuevas herramientas para poder analizarlo de manera rápida y precisa. Este tipo de proyectos son fundamentales para la Facultad y para la Universidad, porque reflejan nuestra misión pública y nuestro compromiso con la generación de conocimiento de vanguardia y con el aporte a soluciones concretas a los desafíos nacionales”; concluyó la profesora Meruane.
¿Qué se proyecta para el futuro?
Tras la finalización del proyecto Fondef, el CSN iniciará pruebas exhaustivas que podrían extenderse por meses o un año. “El paso siguiente es validar esta innovación en el campo operacional, por lo que se requiere seguir un proceso exhaustivo de evaluación de su desempeño”. Proyectó el director del CSN. Este avance no solo eleva la preparación de Chile ante terremotos, sino que posiciona al país como líder en IA aplicada a la geofísica desde el Departamento de Ingeniería Eléctrica de la FCFM.
05-01-2026
