English version 
Universidad Andrés Bello fue sede de conferencia internacional sobre sismología estadística
La 14ª Conferencia Internacional de Sismología Estadística, StatSei14, reunió en el Campus Casona de la Universidad Andrés Bello a investigadores de 17 países para abordar los avances en pronóstico sísmico, modelos estadísticos e inteligencia artificial aplicada al estudio de los terremotos.
¿Cuánto puede anticipar hoy la ciencia sobre la ocurrencia de un terremoto? Esa fue una de las preguntas centrales de la 14ª Conferencia Internacional de Sismología Estadística, StatSei14, que se realizó entre el 13 y el 16 de octubre en el Campus Casona de la Universidad Andrés Bello (UNAB).
Por primera vez desde su creación en 1998, la conferencia se desarrolló en Sudamérica. El encuentro reunió a investigadores de 42 universidades, centros de investigación e instituciones gubernamentales de 17 países para analizar los principales desafíos de la sismología estadística.
El programa incluyó sesiones sobre modelos de sismicidad, física de los terremotos, pronóstico y peligro sísmico, métodos bayesianos e inteligencia artificial.
Entre los participantes hubo especialistas de instituciones como Earth Sciences New Zealand, el Institute of Statistical Mathematics de Japón, el GFZ Helmholtz Centre for Geosciences de Alemania y la Universidad de Santiago de Chile.
Uno de los especialistas invitados fue Jiancang Zhuang, investigador del Institute of Statistical Mathematics de Japón, quien abordó los límites de la predictibilidad sísmica y el uso de modelos estadísticos para estimar la ocurrencia de nuevos eventos.
“Los terremotos no pueden predecirse de manera determinista, pero su ocurrencia tampoco es completamente aleatoria. Existe información que podemos utilizar para mejorar los pronósticos”, señaló Zhuang.
El investigador es especialista en modelos ETAS, que permiten estudiar la relación espacial y temporal entre los terremotos y estimar probabilidades de sismicidad futura.
Desde otra perspectiva, Annemarie Christophersen, científica de Earth Sciences New Zealand, presentó la experiencia desarrollada en Nueva Zelanda para estudiar cambios en la sismicidad y perfeccionar los sistemas de pronóstico. “Nuestro trabajo es clave para comprender cómo se acumula la actividad sísmica antes de un gran terremoto y mejorar los pronósticos”, explicó Christophersen.
Más que establecer con certeza cuándo ocurrirá un sismo, este tipo de modelos busca entregar estimaciones probabilísticas que permitan comprender mejor la evolución de una secuencia y aportar información útil para la preparación frente a futuros eventos.
Las nuevas capacidades computacionales también formaron parte de StatSei14. Francisco Plaza Vega, académico de la Universidad de Santiago de Chile, desarrolló un tutorial sobre el uso de aprendizaje profundo junto con modelos ETAS para el pronóstico sísmico. “El aprendizaje profundo permite incorporar los datos sísmicos históricos para estimar cómo puede evolucionar la actividad y dónde podría concentrarse”, sostuvo Plaza.
El encuentro también abordó las limitaciones que aún enfrentan estos modelos, entre ellas la calidad y completitud de los catálogos sísmicos, los sesgos que pueden afectar sus resultados y la necesidad de evaluar de forma permanente la precisión de los pronósticos.
La realización de esta edición en Chile abrió, además, un espacio de intercambio entre investigadores nacionales e internacionales en un campo especialmente relevante para el país, debido a su alta actividad sísmica y a la trayectoria científica desarrollada en el estudio de los terremotos.
