Este trabajo de investigación emplea conocimientos teóricos y empíricos de expertos en la construcción de un algoritmo de procesamiento paralelo aglomerativo que realiza un agrupamiento espaciotemporal sobre datos sísmicos. Esto es posible al explotar la esfera de influencia espacial y temporal de los principales terremotos, agrupando eventos sísmicos en una serie de zonas sísmicas interactivas, con bordes difusos y potencialmente distintas. Para evaluar si los clústeres revelados representan efectivamente una zona sísmica distinta, se despliegan redes neuronales de aprendizaje profundo para mapear las tasas de liberación de energía sísmica con los intervalos de tiempo entre terremotos grandes consecutivos. Tal correlación falla si hay influencia de áreas sísmicas vecinas, lo que convierte a la región sísmica en no distinta, o si la extensión de la zona sísmica no ha sido capturada completamente. Para que la red neuronal de aprendizaje profundo represente tal correlación, se requiere un flujo constante de entrada de energía sísmica. Para abordar esto, se ha seleccionado el área occidental del arco sísmico helénico como caso de prueba debido al movimiento casi constante de la placa africana que se hunde bajo la placa euroasiática a una tasa anual constante. Esto causa un flujo constante de energía de deformación almacenada en fallas tectónicas subterráneas, es decir, los elementos de almacenamiento de energía sísmica; una liberación parcial de la cual, cuando se propaga hasta la superficie, se manifiesta como un terremoto. Los resultados son complementarios y se presentan en dos aspectos, con la correlación entre las tasas de liberación de energía y el intervalo de tiempo entre grandes terremotos apoyando la presencia de una posible zona sísmica distinta en el Mar Jónico y viceversa.