A Baia Samuele oltre 70 ricercatori internazionali riuniti per esplorare come machine learning, deep learning e modelli fisici possano trasformare il monitoraggio geofisico, i sistemi di allerta e la mitigazione dei rischi naturali nel Mediterraneo
Dalle reti neurali ai digital twins, passando per sistemi di early warning e modelli interpretabili basati sulla fisica dei processi naturali: la Sicilia diventa il centro internazionale della nuova frontiera delle geoscienze.
Per sei giorni, ML4SEG 2026 – Machine Learning for Solid Earth Geosciences and Earthquake Physics ha riunito a Baia Samuele oltre 70 ricercatori tra i maggiori esperti mondiali di sismologia, vulcanologia, geofisica, modellistica numerica, fisica dei terremoti, data science e intelligenza artificiale, con un obiettivo ambizioso: trasformare enormi quantità di dati geofisici in strumenti concreti per comprendere meglio la Terra e rafforzare la prevenzione dei rischi naturali.
Ad organizzare la conferenza internazionale dedicata all’applicazione dell’intelligenza artificiale alla geofisica diversi enti di ricerca: l’Istituto Nazionale di Geofisica e Vulcanologia (Osservatorio Etneo), il Los Alamos National Laboratory, l’Università Roma La Sapienza (Dipartimento di Scienze della Terra), l’Università di Catania (Dipartimento di Scienze Biologiche, Geologiche e Ambientali), l’Università di Perugia (Dipartimento di Fisica e Geologia) e l’École normale supérieure – PSL.
Baia Samuele è diventata un punto di incontro internazionale per discutere come deep learning, foundation models, physical-guided AI, digital twins, reti neurali, tecniche di explainable AI e tecnologie innovative come il Distributed Acoustic Sensing possono contribuire a trasformare il modo in cui studiamo terremoti, vulcani, deformazioni del suolo, eventi estremi meteo-marini e risorse geotermiche.
Tra i temi della conferenza il miglioramento dei cataloghi sismici, il riconoscimento automatico dei segnali geofisici compresa l'evoluzione delle proprietà delle zone di faglia durante i cicli sismici, la modellazione dei processi di faglia, l’analisi di grandi moli di dati provenienti dalle reti di monitoraggio, lo sviluppo di sistemi di early warning, l’interpretazione dei segnali vulcanici, il monitoraggio di eventi meteo-marini estremi e la costruzione di scenari evolutivi per fenomeni naturali complessi.
Un aspetto centrale di ML4SEG 2026 riguarda le ricadute di queste ricerche per la mitigazione dei rischi naturali. L’integrazione tra reti di monitoraggio, intelligenza artificiale e modelli basati sulla fisica dei processi naturali può contribuire a riconoscere più rapidamente segnali anomali, migliorare la tempestività dei sistemi di allerta, supportare la valutazione degli scenari di pericolosità e fornire strumenti più efficaci alla comunità scientifica, agli enti di monitoraggio e alle strutture di protezione civile.
In territori esposti a pericolosità sismica, vulcanica, idrogeologica e costiera, come la Sicilia e più in generale l’area mediterranea, lo sviluppo di metodologie innovative per l’analisi dei dati geofisici rappresenta un tassello fondamentale per rafforzare la prevenzione, la preparazione e la risposta agli eventi naturali estremi. In questa prospettiva, l’intelligenza artificiale non è soltanto una nuova frontiera tecnologica, ma uno strumento potenzialmente strategico per aumentare la resilienza dei territori e ridurre l’impatto dei rischi naturali sulla popolazione, sulle infrastrutture e sulle attività economiche.
Nell’ambito del comitato organizzatore, Flavio Cannavò, primo tecnologo dell’Istituto Nazionale di Geofisica e Vulcanologia, Osservatorio Etneo ha svolto un ruolo di coordinamento nell’organizzazione dell’evento, contribuendo alla definizione del programma scientifico, alla gestione delle attività organizzative e al coinvolgimento della comunità nazionale e internazionale.
«ML4SEG nasce dall’esigenza di mettere attorno allo stesso tavolo geoscienziati, fisici, informatici e specialisti di intelligenza artificiale», spiega Flavio Cannavò. «Oggi disponiamo di reti di monitoraggio sempre più dense e di enormi quantità di dati – ha aggiunto -. La sfida è trasformare questi dati in conoscenza utile, mantenendo però un legame forte con la fisica dei processi naturali. L’intelligenza artificiale può offrire un contributo concreto alla mitigazione dei rischi naturali, rendendo più rapidi e affidabili il riconoscimento di segnali critici, l’interpretazione dei fenomeni in corso e il supporto alle decisioni operative».
Secondo Paul Johnson, dell’École Normale Supérieure – PSL / Los Alamos National Laboratory, tra i promotori scientifici della conferenza, «il machine learning sta cambiando profondamente le geoscienze, ma il vero salto di qualità avviene quando i modelli non sono semplici “scatole nere”: devono essere interpretabili, validati e costruiti in dialogo con la fisica. ML4SEG vuole favorire proprio questo dialogo, creando una comunità capace di unire dati, teoria, esperimenti e calcolo avanzato. Solo così l’intelligenza artificiale potrà diventare uno strumento realmente utile non solo per la ricerca, ma anche per la riduzione del rischio e per il supporto alle decisioni in situazioni critiche».
Tra gli invited keynote speakers alcuni tra i maggiori esperti internazionali nel campo della sismologia, della fisica dei terremoti, dell’intelligenza artificiale e della modellistica geofisica, tra cui Gregory Beroza della Stanford University, Yehuda Ben-Zion della University of Southern California, Maarten V. de Hoop della Rice University e Parisa Shokouhi della Pennsylvania State University. La presenza di relatori provenienti da università, centri di ricerca e istituzioni scientifiche di primo piano conferma il carattere fortemente internazionale dell’evento e la rilevanza crescente dell’intelligenza artificiale nelle geoscienze.
L’organizzazione scientifica della conferenza è stata curata da Flavio Cannavò (Istituto Nazionale di Geofisica e Vulcanologia, Osservatorio Etneo), Paul Johnson (École normale supérieure – PSL / Los Alamos National Laboratory), Chris James Marone (Sapienza Università di Roma, Dipartimento di Scienze della Terra), Christopher William Johnson (Los Alamos National Laboratory), Maurizio Petrelli (Università di Perugia, Dipartimento di Fisica e Geologia), Andrea Cannata (Università di Catania, Dipartimento di Scienze Biologiche, Geologiche e Ambientali) e Concetto Spampinato (Università di Catania, Dipartimento di Ingegneria Elettrica, Elettronica e Informatica).
ML4SEG 2026 conferma la crescente centralità dell’intelligenza artificiale nelle scienze della Terra e, allo stesso tempo, il ruolo della Sicilia come laboratorio naturale e luogo privilegiato per il confronto internazionale su terremoti, vulcani e rischi naturali.
I partecipanti alla Summer school di Baia Samuele