Scalar ε Field Dark Energy

En esta charla se presentará el estudio de campos escalares mínimamente acoplados como candidatos para explicar la expansión acelerada del universo así como comparar sus observables con las observaciones cosmológicas actuales. Este trabajo incluye un parámetro ε que permite incorporar quintessence y phantom dentro de un mismo análisis. El modelo cosmológico incluye el contenido estándar de materia y curvatura espacial Ω. Se hizo un análisis con datos observacionales actualizados y se calculó la evidencia bayesiana para seleccionar modelos. En este trabajo restringimos el espacio de parámetros que describe los dos potenciales genéricos, $V(φ) = V_0 φ^{μ} e^{β φ^ α}$ y $V(φ) = V_0 (cosh(α φ) + β)$ con $α, $μ y $β como parámetros libres; y entre varias combinaciones, encontramos que el mejor ajuste a los conjuntos de datos actuales es el que favorece ligeramente el campo de quintessence con potencial $V(φ) = V_0 φ^μ e^{β φ}$ con $β= 0.22 \pm 1.56 $, $ μ = -0.41 \pm 1.90$ y una curvatura ligeramente negativa $Ω{k, 0} = - 0.0016 \pm0.0018 $, que presenta desviaciones de $1.6 Σ$ del modelo estándar.

David Alejandro Tamayo Ramirez es licenciado en Física por la Facultad de Ciencias de la UNAM y Doctor en Ciencias por el Instituto de Física de la Universidad de Sao Paulo, Brasil. También, ha realizado estancias Posdoctorales en el Instituto de Astronomía de la Universidad de Sao Paulo y en el CINVESTAV del IPN. Actualmente realiza una estancia de investigación en el Mesoamerican Centre for Theoretical Physics (MCTP); también como profesor de asignatura en la Facultad de Ciencias en Física y Matemáticas de la Universidad Autónoma de Chiapas. Ha publicado artículos en revistas de prestigio, todos los trabajos en física teórica, en específico cosmología. Sus intereses académicos son el estudio de modelos de energía oscura: campo escalar, decaimiento del vacío, termodinámica; estudio la consistencia teórica de los modelos, cálculo cantidades físicas potencialmente observables y constricciones de parámetros libres de modelos por medio de ajuste con datos observacionales.