Liderada por P. Arnalte-Mur y M. Stefanon, esta línea de investigación estudia la expansión cósmica, la energía oscura y la formación de galaxias utilizando datos de J-PAS, Euclid y JWST. El grupo CS participa en grandes colaboraciones internacionales que combinan proyectos desde tierra (como J-PAS) con misiones espaciales como Euclid y JWST (MINERVA, UNCOVER, FRESCO). El equipo tiene una amplia experiencia en el análisis de la estructura a gran escala mediante cartografiados de corrimiento al rojo fotométrico, desarrollando herramientas para medir la agrupación de galaxias y su evolución con el entorno y el tiempo. Su trabajo ha revelado desviaciones a pequeña escala compatibles con modelos de halos, refinando el conocimiento sobre la formación de estructuras. También han sido pioneros en métodos estadísticos para extraer parámetros cosmológicos a partir de grandes conjuntos de datos, incluyendo la detección de oscilaciones acústicas de bariones y la estimación de la tasa de crecimiento mediante análisis multivariantes. Estas investigaciones se apoyan en catálogos sintéticos de galaxias creados con métodos HOD y el código PINOCCHIO, fundamentales para validar cartografiados. Otra línea de trabajo se centra en las poblaciones de galaxias a lo largo del tiempo cósmico, con especial énfasis en el primer mil millones de años del Universo. Estudiamos el ensamblaje galáctico mediante análisis estadísticos (como funciones de luminosidad y masa estelar) y análisis detallados de fuentes individuales (como gradientes de edad poblacional estelar, cinemática y contenido en polvo). Además, el grupo cuenta con una gran experiencia en la identificación de candidatos robustos a galaxias (brillantes) en la época de la reionización. Esta investigación se complementa con análisis fotométricos de gran área (como J-PAS) que cuantifican la función de luminosidad y la evolución de galaxias brillantes en los últimos 6.000 millones de años, aplicados especialmente a emisores Lyman-alfa en cartografiados de banda estrecha como miniJ-PAS. El grupo también es líder en aplicaciones de aprendizaje automático a la astronomía, como ejemplifica zELDA, un paquete público de Python que combina simulaciones de transferencia radiativa y redes neuronales para modelar perfiles de emisión Lyman-alfa.

Investigadores senior: P. Arnalte-Mur, V. J. Martínez, M. Stefanon