Modern cosmology has several open problems, many of them stemming from fundamental physics. Two examples of these problems are the lack of information about the nature of dark matter particles, and the mechanism responsible for the accelerated cosmic expansion that we observe. A key source of information that can contribute to solving these issues and many other problems is the distribution of the large-scale structures of the Universe. This motivated us to employ a new model for the description of structure formation, which is based in effective field theories, and to generalize it to treat multiple tracers of the cosmic structures. In order to test our model we performed a series of power-spectrum analysis using results from N-body simulations in real space. Our results show a clear advantage in performing parameter extraction by splitting the tracers into different classes, as compared to the one usually employed in the literature - despite the larger number of free parameters implied by this subdivision. We suppose that our main conclusions will hold in more realistic cases, e.g. in analysis performed in redshift space, as well as with real data.

A cosmologia moderna possui vários problemas em aberto, sendo muitos deles ligados a questões de física fundamental. Dois exemplos desses problemas são a natureza da matéria escura e qual é o mecanismo por trás da expansão acelerada do Universo. Uma fonte de informação importantíssima para a busca por soluções para tais problemas são as estruturas em larga escala do Universo. Com isso em mente, neste trabalho nós propomos uma nova maneira de modelar essas estruturas. Esse novo modelo foi obtido juntando idéias de teorias efetivas de campo para as estruturas em larga escala com a técnica de múltiplos traçadores. Para testá-lo, realizamos uma análise do espectro de potência utilizando simulações de N-corpos. Nossos resultados, que neste trabalho se limitam ao espaço real, mostram de maneira clara a superioridade da estratégia de dividir os traçadores em subcategorias e fazer uma análise conjunta de todos estes subgrupos ao invés de tratá-los como sendo um único traçador, mesmo considerando o número maior de parâmetros que essa divisão acarreta. Nossas conclusões devem se estender a situações mais realísticas, como em análises feitas em espaço de redshift e com dados reais.