El Instituto de Matemática, Física y Estadística (IMFE) de la Facultad de Ingeniería y Negocios de Universidad de Las Américas (UDLA) desarrolló el seminario “Integración de métodos estadísticos y deep learning para la predicción espacio-temporal de terremotos”, una instancia que reunió a estudiantes y académicos del Magíster en Data Science UDLA, con el objetivo de difundir avances científicos en modelamiento predictivo y análisis de datos sísmicos.

El encuentro fue presentado por el Dr. Javier Contreras, académico e investigador del IMFE, y tuvo como expositora principal a la Dra. Orietta Nicolis, Doctora en Estadística por la Universidad de Padova (Italia), académica de la Facultad de Ingeniería de la Universidad Andrés Bello y directora del Doctorado en Ingeniería de Sistemas Avanzados.

Durante su exposición, la investigadora presentó los resultados de su línea de trabajo orientada a la integración de modelos estadísticos y redes neuronales profundas para la predicción sísmica, destacando la necesidad de combinar enfoques explicativos y predictivos.

“La predicción de terremotos sigue siendo un desafío debido a la naturaleza no lineal, multivariante y espaciotemporal de los procesos geofísicos. Con este fin, exploramos modelos híbridos que combinan componentes ETAS con redes neuronales ConvLSTM y Transformers, para equilibrar la capacidad explicativa y la potencia predictiva”, explicó la Dra. Nicolis.

La académica resaltó que las evaluaciones en contextos reales han evidenciado que la sinergia entre estadística e Inteligencia Artificial permite soluciones más robustas, interpretables y precisas bajo alta incertidumbre, y que esta metodología puede transferirse a otros fenómenos espacio-temporales, como los relacionados con la meteorología o la dinámica urbana.

Desde el IMFE fomentamos espacios de encuentro donde la ciencia de datos se combina con el modelamiento y la sostenibilidad para abordar desafíos reales. Actividades como este seminario, reflejan nuestro compromiso con la formación avanzada y la investigación interdisciplinaria que impulsa nuestro Magíster en Data Science, señaló Ricardo Monge, director del IMFE