Liderada per P. Arnalte-Mur i M. Stefanon, aquesta línia d’investigació estudia l’expansió còsmica, l’energia fosca i la formació de galàxies utilitzant dades de J-PAS, Euclid i JWST. El grup CS participa en grans col·laboracions internacionals que combinen projectes des de terra (com J-PAS) amb missions espacials com Euclid i JWST (MINERVA, UNCOVER, FRESCO). L’equip té una àmplia experiència en l’anàlisi de l’estructura a gran escala mitjançant cartografiats de desplaçament cap al roig fotomètric, desenvolupant eines per a mesurar l’agrupament de galàxies i la seua evolució amb l’entorn i el temps. El seu treball ha revelat desviacions a petita escala compatibles amb models de halos, perfeccionant el coneixement sobre la formació d’estructures. També han estat pioners en mètodes estadístics per a extraure paràmetres cosmològics a partir de grans conjunts de dades, incloent la detecció d’oscil·lacions acústiques de barions i l’estimació de la taxa de creixement mitjançant anàlisis multivariants. Aquestes investigacions es basen en catàlegs sintètics de galàxies creats amb mètodes HOD i el codi PINOCCHIO, fonamentals per a validar cartografiats. Una altra línia de treball se centra en les poblacions de galàxies al llarg del temps còsmic, amb especial èmfasi en el primer miler de milions d’anys de l’Univers. Estudiem l’assemblatge galàctic mitjançant estudis estadístics (com les funcions de lluminositat i massa estel·lar) i anàlisis detallats de fonts individuals (com els gradients d’edat de la població estel·lar, la cinemàtica i el contingut en pols). A més, el grup compta amb una gran experiència en la identificació de candidats sòlids a galàxies (brillants) en l’època de la reionització. Aquesta investigació es complementa amb anàlisis fotomètrics de gran àrea (com J-PAS) que quantifiquen la funció de lluminositat i l’evolució de galàxies brillants durant els últims 6.000 milions d’anys, aplicats especialment a emissors Lyman-alfa en cartografiats de banda estreta com miniJ-PAS. El grup també és capdavanter en aplicacions d’aprenentatge automàtic a l’astronomia, com exemplifica zELDA, un paquet públic en Python que combina simulacions de transferència radiativa i xarxes neuronals per a modelar perfils d’emissió Lyman-alfa.

Investigadors sèniors: P. Arnalte-Mur, V. J. Martínez, M. Stefanon