En nuestra exploración, nuestro objetivo fue identificar anomalías sísmicas utilizando datos ionosféricos limitados para la predicción de terremotos y recopilamos meticulosamente conjuntos de datos bajo condiciones de mínima perturbación geomagnética. Nuestra evaluación sistemática confirmó que el ITransformer es una herramienta potente para la extracción de características de datos ionosféricos, destacándose en el ámbito de los modelos de predicción de series temporales basados en transformadores. Integramos el principio de máxima entropía para aprovechar al máximo la información disponible, minimizando la influencia de las suposiciones en nuestras predicciones. Esto llevó a la creación del Modelo MaxEnt SeismoSense, un nuevo modelo compuesto que combina las fortalezas de la arquitectura de transformadores con el principio de máxima entropía para mejorar la precisión de las predicciones. La aplicación de este modelo demostró una capacidad competente para detectar perturbaciones sísmicas en la ionosfera, mostrando una mejora en la tasa de recuperación y precisión al 71% y 69%, respectivamente, en comparación con modelos de referencia convencionales. Esto indica que el uso combinado de la tecnología de transformadores y el principio de máxima entropía podría permitir que las anomalías pre-sísmicas en la ionosfera se detecten de manera más eficiente y podría ofrecer un enfoque más confiable y preciso para la predicción de terremotos.