Un equipo internacional de científicos logró observar, por primera vez y con claridad sin precedentes, cómo una falla sísmica “avisa” antes de romperse. El avance, publicado en Nature Communications, confirma que la inteligencia artificial puede identificar señales extremadamente débiles —hasta ahora invisibles para la instrumentación tradicional— segundos antes de una ruptura.

Reproducen comportamiento de sismo en un laboratorio e IA lo predice

• Los investigadores reprodujeron ciclos completos de carga, microfallas y ruptura utilizando sensores distribuidos a lo largo de toda la falla artificial. Estos sensores captaron miles de emisiones acústicas, equivalentes a microcrujidos dentro de la roca

• En México, una de las empresas que ha destacado en esta transición tecnológica es SeismicAI, que desarrolla modelos de IA para interpretar eventos sísmicos en tiempo real y anticipar anomalías en fallas activas

CIudad de México, diciembre de 2025.- Un equipo internacional de científicos logró observar, por primera vez y con claridad sin precedentes, cómo una falla sísmica “avisa” antes de romperse. El avance, publicado en Nature Communications, confirma que la inteligencia artificial puede identificar señales extremadamente débiles —hasta ahora invisibles para la instrumentación tradicional— segundos antes de una ruptura.

El experimento, realizado con bloques de roca de metro y medio que simulan fallas reales, marca un punto crítico: nunca antes un modelo de IA había anticipado rupturas tan grandes en laboratorio, en una escala capaz de emular patrones de la Tierra.

El experimento que reveló lo invisible

Los investigadores reprodujeron ciclos completos de carga, microfallas y ruptura utilizando sensores distribuidos a lo largo de toda la falla artificial. Estos sensores captaron miles de emisiones acústicas, equivalentes a microcrujidos dentro de la roca.

Un modelo de machine learning (algoritmo)basado en Random Forests, procesó los datos y detectó patrones consistentes que anteceden a cada ruptura:

• Los intervalos entre microeventos se acortaban, y
• Su energía aumentaba progresivamente.

Ambos fenómenos son análogos a señales observadas antes de algunos terremotos reales, pero nunca habían sido detectados con tanta nitidez.

El modelo logró anticipar rupturas desde decenas de segundos hasta milisegundos antes del fallo, lo que en escala geológica equivaldría a semanas o incluso décadas de anticipación en una falla real.

México: uno de los países más sísmicos del planeta

México registra una intensa actividad sísmica debido a la interacción de cinco placas tectónicas. Según el Servicio Sismológico Nacional:

• En el país se detectan más de 25,000 sismos al año, es decir, casi 70 temblores diarios.
• Cada año se producen, en promedio, 4 a 6 sismos de magnitud mayor a 6.
• Desde 1900, México ha experimentado más de 60 sismos mayores a magnitud 7, varios de ellos con impactos catastróficos.

En un contexto donde la predicción sísmica continúa siendo uno de los mayores desafíos científicos, avances como el logrado por el equipo internacional resultan especialmente relevantes para países como México.

El aporte de SeismicAI

La investigación coincide con el impulso global hacia sistemas de detección más precisos. Una de las empresas que ha destacado en esta transición tecnológica es SeismicAI, que desarrolla modelos de IA para interpretar eventos sísmicos en tiempo real y anticipar anomalías en fallas activas.

En México, donde la densidad de sensores aún no es óptima, tecnologías como las de SeismicAI están ayudando a transformar la interpretación de datos sísmicos mediante:

1. Detección de patrones invisibles para los sistemas clásicos

Los algoritmos de SeismicAI procesan conjuntos masivos de datos para identificar microseñales que suelen perderse en el ruido.

“Lo que antes parecía ruido ahora es información valiosa. La IA nos permite escuchar lo que la Tierra siempre ha dicho, pero no habíamos podido interpretar”, afirma Jocelyn Vargas, CEO de SeismicAI.

2. Integración con catálogos sísmicos de alta resolución

La compañía ha colaborado en proyectos piloto en México y América Latina para mejorar la calidad de los catálogos sísmicos locales, integrando datos de sensores tradicionales, fibra óptica y microsismos detectados por IA.

3. Modelos que aprenden de fallas naturales y artificiales

SeismicAI ha adaptado modelos similares a los utilizados en laboratorios avanzados para entrenarlos con fallas reales como la de San Andrés, la del Pacífico mexicano y segmentos del Cinturón Volcánico Transmexicano.

“Estos experimentos a escala métrica son esenciales: nos enseñan cómo se comportan las fallas complejas y permiten calibrar nuestros sistemas para escenarios del mundo real”, explica Vargas.

4. Aplicaciones futuras para alertamiento temprano

Aunque la predicción exacta de terremotos aún no es posible, la lectura de señales pre-ruptura podría, en el futuro, fortalecer sistemas de alertamiento temprano como el mexicano (SASMEX).

“Nuestro objetivo no es predecir el día ni la hora, sino entender mejor los momentos en que una falla está cambiando de estado. Ese conocimiento puede salvar vidas”, añade Vargas.

Sobre SeismicAI

SeismicAI es una plataforma avanzada de monitoreo sísmico que utiliza inteligencia artificial y sensores de última generación para ofrecer alertamiento temprano ante eventos sísmicos. Su misión es ayudar a gobiernos, empresas y comunidades a reducir los riesgos y consecuencias de los sismos mediante el análisis preventivo estimando el impacto del evento sísmicoy la detección de micro actividades sísmicas.

Fundada en 2014 por un equipo de expertos geofísicos, ingenieros de datos y desarrolladores, SeismicAI proporciona una solución integral para la seguridad sísmica. Su tecnología de vanguardia analiza patrones sísmicos en tiempo real, proporcionando hasta 20 segundos de anticipación para activar protocolos de seguridad en regiones de riesgo. Además, su sistema de monitoreo continuo permite una visibilidad precisa y en tiempo real de las fallas geológicas, contribuyendo a la prevención y gestión de desastres.