Un arma nuclear escondida en el espacio.

Un arma nuclear escondida en el espacio.#

¿Cómo la encuentras sin abrir el satélite?

La respuesta llevaba millones de años ahí arriba: los protones del cinturón de Van Allen.

Paper: Danagoulian et al. (2026), Verification of the Outer Space Treaty with cosmic protons — Nature
DOI: 10.1038/s41586-026-10783-2

Abrir en Colab

Video: (pendiente)

El detector ya estaba puesto — y es natural#

En 1967, 117 países firmaron el Tratado del Espacio Exterior: nada de armas nucleares en órbita. El problema es que nadie publicó cómo comprobar que se cumple — no existía un método de verificación en la literatura científica abierta.

El cinturón interno de Van Allen es una trampa de partículas: protones de casi mil millones de electronvoltios (≈1 GeV) girando alrededor de la Tierra desde hace millones de años. Cuando uno de esos protones golpea material pesado y denso —como el de una ojiva termonuclear— le arranca neutrones. A eso se le llama spallation (astillamiento nuclear).

La idea del paper: un detector del tamaño de un CubeSat 9U, volando cerca, podría ver ese brillo de neutrones. Un aviso desde ya: es un estudio conceptual y de viabilidad. Nadie ha construido ni volado el detector — todo lo que sigue son simulaciones y cálculos, no medidas en órbita.

# ══════════════════════════════════════════════════════════════
# Configuración — modifica estos valores para explorar
# ══════════════════════════════════════════════════════════════
DISTANCIA_M = 4000      # distancia detector–arma [metros]
N_CUBESATS  = 1         # número de detectores en la constelación

FUENTE = 'Fuente: Danagoulian et al. (2026), Nature | Datos: github.com/ustajan/kosmos'
COLOR_PROTON       = '#2563EB'
COLOR_ELECTRON     = '#BBBBBB'
COLOR_NEUTRON      = '#2563EB'
COLOR_ALERTA       = '#DC2626'
COLOR_GEV          = '#D97706'
COLOR_CONSTELACION = '#059669'

import os, urllib.request
import numpy as np
import matplotlib.pyplot as plt

# Estilo editorial CaM (local -> fallback GitHub raw)
BASE = 'https://raw.githubusercontent.com/Ciencia-a-Mordiscos/lab/main'
style_file = '../../cam.mplstyle'
if not os.path.exists(style_file):
    style_file = '/tmp/cam.mplstyle'
    if not os.path.exists(style_file):
        urllib.request.urlretrieve(f'{BASE}/cam.mplstyle', style_file)
plt.style.use(style_file)
os.makedirs('figuras', exist_ok=True)

# Ley de escala del paper (repo ustajan/kosmos, time_vs_distance):
# el tiempo de observación crece con d^2 y baja como 1/n. Los
# coeficientes son empíricos del cálculo del paper; con d=4 km y
# n=1 reproducen el titular del abstract ('~1 semana').
def tiempo_deteccion_horas(d_m, n=1):
    return (120 * np.pi * d_m**2) / ((0.3**2) * 0.77 * 0.0055 * 9.1e10) / n

# Cargar los tres espectros (dos columnas: energía [MeV], valor)
prot = np.loadtxt('datos/diff.AP9.output_mean_flux.AP9_i316.tsv')
neu  = np.loadtxt('datos/neutron_spallation.tsv')
elec = np.loadtxt('datos/diff.AE9.output_mean_flux.AE9_i316.tsv')

# El último punto de protones (2000 MeV) tiene flujo 0: fuera para log-log
prot = prot[prot[:, 1] > 0]

t_1cubesat_h = tiempo_deteccion_horas(DISTANCIA_M, N_CUBESATS)
print(f'Protones: {len(prot)} puntos, energía {prot[:,0].min()}–{prot[:,0].max():.0f} MeV')
print(f'Neutrones: {len(neu)} puntos, energía {neu[:,0].min():.3f}–{neu[:,0].max():.1f} MeV')
print(f'Electrones (fondo): {len(elec)} puntos, {elec[:,0].min()}–{elec[:,0].max()} MeV')
print(f'\nA {DISTANCIA_M/1000:.0f} km con {N_CUBESATS} CubeSat: '
      f'{t_1cubesat_h:.1f} h = {t_1cubesat_h/24:.2f} días')

Protones: 31 puntos, energía 0.1–1200 MeV
Neutrones: 42 puntos, energía 0.010–771.8 MeV
Electrones (fondo): 17 puntos, 0.4–3.75 MeV

A 4 km con 1 CubeSat: 173.9 h = 7.25 días

Primero, la fuente de luz#

Para ver algo hace falta iluminarlo. Aquí el foco no lo pone nadie: son los protones que ya cruzan el cinturón. Aquí está su espectro.

fig, ax = plt.subplots(figsize=(13, 5.5))

# Electrones: fondo del ambiente (no sirven para astillar neutrones)
ax.plot(elec[:, 0], elec[:, 1], color=COLOR_ELECTRON, linewidth=1.6,
        marker='o', markersize=4, zorder=3)
# Protones: la fuente natural
ax.plot(prot[:, 0], prot[:, 1], color=COLOR_PROTON, linewidth=2.0,
        marker='o', markersize=4, zorder=5)

ax.set_xscale('log')
ax.set_yscale('log')

# Zona de protones ~1 GeV: los únicos con energía para astillar neutrones
ax.axvline(x=1200, color=COLOR_GEV, linewidth=1.5, linestyle='--', alpha=0.8, zorder=4)
ax.annotate('protones ~1 GeV\n(los que astillan neutrones)',
            xy=(1200, 5e1), xytext=(60, 2e2),
            fontsize=10, fontweight='bold', color=COLOR_GEV, ha='center',
            arrowprops=dict(arrowstyle='->', color=COLOR_GEV, lw=1.5))

# Etiquetas inline (sin caja de leyenda)
ax.text(0.3, 2e3, 'Protones\n(fuente natural)', fontsize=10,
        color=COLOR_PROTON, fontweight='bold', ha='center')
ax.text(1.2, 5e6, 'Electrones (fondo)', fontsize=9,
        color='#888888', fontweight='bold', ha='left')

ax.set_title('¿De dónde sale la luz para ver el arma?',
             fontsize=14, fontweight='bold', pad=28)
ax.text(0.5, 1.03, 'Espectro de partículas del cinturón interno de Van Allen (modelos AP9/AE9)',
        transform=ax.transAxes, fontsize=10, color='#666666', ha='center')
ax.set_xlabel('Energía [MeV]')
ax.set_ylabel('Flujo [partículas cm⁻² s⁻¹ MeV⁻¹]')

fig.text(0.13, -0.03, FUENTE, fontsize=7.5, color='#999999', style='italic')
plt.savefig('figuras/espectro_protones.png', dpi=200, bbox_inches='tight')
plt.show()
../../_images/713cdbdc79ce9944a79278e22d10b32a00d3ee345047e611ab7e8f595db81b69.png

El flujo se desploma: de unos 48.615 protones por cada franja de energía a 0,1 MeV, a apenas 0,0077 cerca de 1.200 MeV. Son siete órdenes de magnitud de caída.

Y sin embargo, los protones que importan son justo esos raros, los de casi 1 GeV. Solo ellos llegan con energía suficiente para romper núcleos y soltar neutrones. Los electrones, mucho más abundantes a baja energía, son demasiado ligeros para eso: forman el fondo, no la herramienta.

El eco: neutrones#

Cuando esos protones golpean el material del arma, sale un chorro de neutrones. Su espectro —simulado con Geant4, un programa que traza partícula por partícula— es la firma que el detector buscaría.

fig, ax = plt.subplots(figsize=(13, 5))

ax.plot(neu[:, 0], neu[:, 1], color=COLOR_NEUTRON, linewidth=2.0,
        marker='o', markersize=4, zorder=5)
ax.fill_between(neu[:, 0], neu[:, 1], alpha=0.12, color=COLOR_NEUTRON, zorder=2)
ax.set_xscale('log')

# Marcar el pico
i_pico = np.argmax(neu[:, 1])
e_pico, y_pico = neu[i_pico, 0], neu[i_pico, 1]
ax.axvline(x=e_pico, color=COLOR_ALERTA, linewidth=1.5, linestyle='--', alpha=0.7, zorder=4)
ax.annotate(f'pico a {e_pico:.2f} MeV'.replace('.', ','),
            xy=(e_pico, y_pico), xytext=(e_pico*8, y_pico*0.92),
            fontsize=11, fontweight='bold', color=COLOR_ALERTA,
            arrowprops=dict(arrowstyle='->', color=COLOR_ALERTA, lw=1.5))

ax.set_title('¿Cómo suena el eco de neutrones?',
             fontsize=14, fontweight='bold', pad=28)
ax.text(0.5, 1.03, 'Neutrones producidos por spallation (simulación Geant4)',
        transform=ax.transAxes, fontsize=10, color='#666666', ha='center')
ax.set_xlabel('Energía del neutrón [MeV]')
ax.set_ylabel('Intensidad relativa')

fig.text(0.13, -0.03, FUENTE, fontsize=7.5, color='#999999', style='italic')
plt.savefig('figuras/espectro_neutrones.png', dpi=200, bbox_inches='tight')
plt.show()
../../_images/5bb5904ec17b5fa2eed97f240507c6ff1d40f35948330e6c6878402f85fa4c37.png

¿Desde qué distancia, y en cuánto tiempo?#

Ya hay fuente (protones) y firma (neutrones). Falta lo práctico: ¿a qué distancia puede estar el detector y cuánto tendría que observar? La respuesta del paper es una fórmula sencilla — y tiene una trampa: el tiempo crece con el cuadrado de la distancia.

d_km = np.linspace(0.5, 8.0, 200)
t_n1  = tiempo_deteccion_horas(d_km * 1000, 1) / 24   # días
t_n10 = tiempo_deteccion_horas(d_km * 1000, 10) / 24  # días

fig, ax = plt.subplots(figsize=(13, 5.5))
ax.plot(d_km, t_n1, color=COLOR_PROTON, linewidth=2.2, zorder=5)
ax.plot(d_km, t_n10, color=COLOR_CONSTELACION, linewidth=2.2, zorder=5)

# Punto del abstract: 4 km, 1 CubeSat -> 7,25 días
t4_n1 = tiempo_deteccion_horas(4000, 1) / 24
t4_n10 = tiempo_deteccion_horas(4000, 10) / 24
ax.scatter([4], [t4_n1], color=COLOR_ALERTA, s=70, zorder=6,
           edgecolors='white', linewidths=1.0)
ax.annotate(f'4 km → {t4_n1:.2f} días (1 CubeSat)'.replace('.', ','),
            xy=(4, t4_n1), xytext=(4.3, t4_n1 + 4),
            fontsize=11, fontweight='bold', color=COLOR_ALERTA,
            arrowprops=dict(arrowstyle='->', color=COLOR_ALERTA, lw=1.5))

# Etiquetas inline de las dos curvas
ax.text(7.1, tiempo_deteccion_horas(7100, 1)/24, '1 CubeSat', fontsize=10,
        color=COLOR_PROTON, fontweight='bold', ha='left', va='center')
ax.text(7.1, tiempo_deteccion_horas(7100, 10)/24 + 1.2, '10 CubeSats', fontsize=10,
        color=COLOR_CONSTELACION, fontweight='bold', ha='left', va='center')

ax.set_title('¿Qué tan lejos, y cuánto hay que esperar?',
             fontsize=14, fontweight='bold', pad=28)
ax.text(0.5, 1.03, 'El tiempo de observación crece con el cuadrado de la distancia',
        transform=ax.transAxes, fontsize=10, color='#666666', ha='center')
ax.set_xlabel('Distancia detector–arma [km]')
ax.set_ylabel('Tiempo de observación [días]')

fig.text(0.13, -0.03, FUENTE, fontsize=7.5, color='#999999', style='italic')
plt.savefig('figuras/tiempo_vs_distancia.png', dpi=200, bbox_inches='tight')
plt.show()
print(f'A 4 km: 1 CubeSat = {t4_n1*24:.1f} h ({t4_n1:.2f} d) | '
      f'10 CubeSats = {t4_n10*24:.1f} h ({t4_n10:.2f} d)')
../../_images/d64aa40f522f9b36365659a71874d01485b520a42b02d96d7003ee88aa30906c.png 
A 4 km: 1 CubeSat = 173.9 h (7.25 d) | 10 CubeSats = 17.4 h (0.72 d)

¿Qué tan cómodo es el punto de 4 km?#

El paper elige 4 km y un solo CubeSat: sale ~1 semana. Pero como el tiempo va con d², la ventana cómoda es estrecha. Hagamos un barrido: si el inspector pudiera colocarse a cualquier distancia entre 0,5 y 8 km, ¿cuánto tendría que esperar?

# Barrido: distancias uniformes de 0,5 a 8 km, un solo detector
d_barrido = np.linspace(500, 8000, 4000)
t_barrido = tiempo_deteccion_horas(d_barrido, 1) / 24   # días

fig, ax = plt.subplots(figsize=(10, 5))
bins = np.logspace(np.log10(t_barrido.min()), np.log10(t_barrido.max()), 25)
n, _, _ = ax.hist(t_barrido, bins=bins, color=COLOR_PROTON, alpha=0.4,
                  edgecolor=COLOR_PROTON, linewidth=0.8)
ax.set_xscale('log')
y_max = n.max() * 1.18
ax.set_ylim(0, y_max)

t_ref = tiempo_deteccion_horas(4000, 1) / 24   # 7,25 d — punto del abstract
t_med = np.median(t_barrido)
ax.axvline(x=t_ref, color=COLOR_ALERTA, linewidth=2.5, zorder=5)
ax.axvline(x=t_med, color='#666666', linewidth=1.5, linestyle='--', zorder=4)
ax.annotate('', xy=(t_ref, y_max*0.6), xytext=(t_med, y_max*0.6),
            arrowprops=dict(arrowstyle='<->', color='#666666', lw=1.5))
ax.text(t_ref*1.05, y_max*0.9, f'4 km → {t_ref:.2f} d'.replace('.', ','),
        fontsize=11, fontweight='bold', color=COLOR_ALERTA)
ax.text(t_med*0.95, y_max*0.68, f'mediana del barrido\n{t_med:.1f} d'.replace('.', ','),
        fontsize=9, color='#666666', ha='right')

ax.set_title('La mayoría del rango exige semanas',
             fontsize=14, fontweight='bold', pad=28)
ax.text(0.5, 1.03, 'Barrido de la ley de escala: tiempo con 1 CubeSat según la distancia (0,5–8 km)',
        transform=ax.transAxes, fontsize=10, color='#666666', ha='center')
ax.set_xlabel('Tiempo de observación [días, escala logarítmica]')
ax.set_ylabel('Número de distancias en el barrido')

fig.text(0.13, -0.03, FUENTE, fontsize=7.5, color='#999999', style='italic')
plt.savefig('figuras/barrido_distancia.png', dpi=200, bbox_inches='tight')
plt.show()
../../_images/aaa3b92f68e57ba0529ccd036c6382d430efecdd605737dd5d5fb9799b0490ee.png

Lo que los datos soportan#

Afirmación

¿Soportada?

Detalle

Los protones ~1 GeV del cinturón pueden astillar neutrones de un arma

✅ Sí

Es física de spallation conocida; el paper la simula con Geant4. El espectro de neutrones (pico a 0,15 MeV) sale de esa simulación

Un CubeSat 9U identificaría el arma a 4 km en ~1 semana

⚠️ En simulación

La ley de escala da 7,25 días a 4 km con 1 detector — reproduce el titular del abstract. Es un cálculo, no una medición en órbita

Con 10 CubeSats el tiempo baja a ~17 horas

⚠️ En simulación

Sale de dividir por n=10 en la misma fórmula. Mismo estatus: cálculo

Este método ya verifica el Tratado del Espacio Exterior

❌ No

Es un estudio conceptual y de viabilidad. No hay hardware volado ni validación en órbita

Limitaciones: (1) Todo son simulaciones (Geant4) y una fórmula analítica; ningún detector ha volado. (2) La ley de escala asume un arma termonuclear concreta y un punto orbital fijo del cinturón interno. (3) El flujo de protones viene de un modelo de ambiente (AP9/Irene), no de medidas en el momento de una inspección. (4) Los 4 km y la “~1 semana” son el mejor caso presentado; distancias mayores disparan el tiempo, porque crece con d².

Ahora tú#

El cuaderno es tuyo. Tres preguntas para la celda de abajo:

  1. ¿Y si el arma está más lejos? Cambia distancia = 8000. Como el tiempo va con d², ¿cuántas veces más hay que esperar respecto a 4 km? (pista: no es el doble)

  2. ¿Cuántos CubeSats para bajar de un día? Sube n_detectores a 4 km hasta que el tiempo caiga por debajo de 24 horas. ¿Cuántos hacen falta?

  3. ¿Dónde está el límite práctico? Busca la distancia a la que, con 1 solo detector, el tiempo pasa de un mes. ¿Seguiría siendo útil ahí?

# --- EXPERIMENTA AQUÍ ---
# Cambia estos dos valores y corre la celda
distancia   = 8000    # metros
n_detectores = 1

horas = tiempo_deteccion_horas(distancia, n_detectores)
print(f'A {distancia/1000:.1f} km con {n_detectores} CubeSat(s):')
print(f'  {horas:.1f} horas  =  {horas/24:.2f} días')
print(f'  {horas / (tiempo_deteccion_horas(4000, 1)):.1f}x lo que costaría a 4 km')

# ¿Cuántos CubeSats bastan a 4 km para bajar de 24 h?
for n in range(1, 21):
    h = tiempo_deteccion_horas(4000, n)
    if h < 24:
        print(f'\nA 4 km bastan {n} CubeSats para bajar de 24 h ({h:.1f} h)')
        break

A 8.0 km con 1 CubeSat(s):
  695.6 horas  =  28.98 días
  4.0x lo que costaría a 4 km

A 4 km bastan 8 CubeSats para bajar de 24 h (21.7 h)

Paper: Danagoulian et al. (2026). Verification of the Outer Space Treaty with cosmic protons. Nature. DOI: 10.1038/s41586-026-10783-2
Datos y simulación: github.com/ustajan/kosmos — inputs Geant4, geometría y análisis en Python/Jupyter.
Licencia: datos abiertos del repositorio · notebook CC BY 4.0
Repo del Lab: github.com/Ciencia-a-Mordiscos/lab

Fuentes#

Paper: Verification of the Outer Space Treaty with cosmic protons
Nature, 2026-07-08

Datos: kosmos — Geant4 simulation inputs, geometry and Python/Jupyter analysis package for OST verification

13 afirmaciones verificadas contra estas fuentes

Contenido