![\"\"](\"http:\/\/xmm-ssc.irap.omp.eu\/xmm2athena\/wp-content\/uploads\/2022\/06\/Screenshot-2022-06-22-at-10.06.23-1.png\")
<\/figure><\/div>\n\n\n\n\n\n\n\n
\n\n\n\n
Paquete de trabajo 3:<\/h2>\n\n\n\n
El trabajo se ha concentrado en el desarrollo de una primera versi\u00f3n del Estimador de Sensibilidad que puede proporcionar tanto flujos como l\u00edmites superiores de flujo de una regi\u00f3n de los datos de XMM-Newton EPIC, con la posici\u00f3n y el tama\u00f1o de la regi\u00f3n elegidos por el usuario. El usuario tambi\u00e9n puede especificar la banda de energ\u00eda, la fiabilidad de la estimaci\u00f3n requerida y proporciona superposiciones (anotadas) de la regi\u00f3n de inter\u00e9s en una variedad de longitudes de onda. Para ello se ha partido de una herramienta anterior, Flux Limits from Images from XMM-Newton (FLIX), adapt\u00e1ndola para que funcione en nuevos servidores e integrando toda la \u00faltima versi\u00f3n del cat\u00e1logo de XMM-Newton, 4XMM-DR11 (Webb et al. 2020) para que funcione con el Estimador de Sensibilidad. Hemos dado prioridad a la simplificaci\u00f3n, modernizaci\u00f3n y armonizaci\u00f3n de la interfaz para que se asemeje a otras interfaces de XMM-Newton y a proporcionar una documentaci\u00f3n de f\u00e1cil uso. Ahora se puede acceder a la herramienta en: http:\/\/flix.irap.omp.eu\/ <\/a><\/p>\n\n\n\n \u00ab\u00a0El cat\u00e1logo apilado mejorado\u00a0\u00bb, tiene como objetivo una sensibilidad \u00f3ptima hacia las fuentes d\u00e9biles en observaciones solapada. Para ello se est\u00e1 implementando un nuevo esquema de detecci\u00f3n de fuentes. El primer a\u00f1o se dedic\u00f3 principalmente a reestructurar el software respectivo de XMM-Newton. Sus subrutinas se documentaron y ampliaron con muchos m\u00e1s detalles que los disponibles hasta el momento, proporcionando la base para los siguientes cambios en el c\u00f3digo. Varias rutinas necesitaron una modificaci\u00f3n sustancial para acomodar el nuevo esquema, en el que se supone que el flujo de la fuente es constante durante todas las observaciones. Esta suposici\u00f3n requiere el conocimiento de los factores de conversi\u00f3n de las cuentas medidas, que dependen tanto de la configuraci\u00f3n instrumental, como de los flujos astrof\u00edsicos. Se est\u00e1 precalculando una matriz de factores de conversi\u00f3n, y se proporcionar\u00e1 una interfaz para el software de detecci\u00f3n de fuentes, con el fin de evaluarlos y utilizarlos eficazmente durante el proceso de ajuste. Todas estas actualizaciones del c\u00f3digo est\u00e1n en curso.<\/p>\n\n\n\n Se prev\u00e9n mejoras adicionales para aumentar la calidad de los resultados de detecci\u00f3n y de los par\u00e1metros de la fuente: astrometr\u00eda mejorada, una evaluaci\u00f3n de la sensibilidad de las exposiciones de entrada y una estrategia de tiling para paralelizar el procesamiento de apilamientos muy extensos. Se han investigado los distintos enfoques y se coordinan con las actualizaciones del c\u00f3digo. Las tareas del WP4 tambi\u00e9n est\u00e1n estrechamente relacionadas con otros paquetes de trabajo. Por ejemplo, los flujos derivados durante la detecci\u00f3n de fuentes se utilizan para evaluar la variabilidad a largo plazo en el WP5, y los datos del cat\u00e1logo se convierten en una entrada para el estimador de sensibilidad del WP3. Las reuniones virtuales y el intercambio frecuente de correos electr\u00f3nicos entre los beneficiarios garantizan la coordinaci\u00f3n eficiente de las contribuciones dentro del WP4 y a trav\u00e9s de los paquetes de trabajo, para asegurar un progreso fluido del trabajo.<\/p>\n\n\n\n Durante el primer a\u00f1o del proyecto nos hemos concentrado en el desarrollo del software para determinar la variabilidad a largo plazo y la variabilidad muy d\u00e9bil a corto plazo en los datos de XMM-Newton focalizados en EPIC. Para desarrollar la variabilidad a largo plazo hemos tomado cinco cat\u00e1logos de rayos X adem\u00e1s de los datos apuntados por XMM-Newton para ampliar la duraci\u00f3n del tiempo y aumentar el n\u00famero de puntos en la curva de luz. Estos incluyen El Cat\u00e1logo de Fuentes Chandra (CSC 2.0, Evans et al.2020 b), el cat\u00e1logo de fuentes puntuales de rayos X de Swift (2SXPS, Evans et al. 2020), el sondeo Rosat All Sky (2RXS, Boller et al. 2016), el sondeo puntiforme de ROSAT, el sondeo XMM-Newton slew (Saxton et al. 2008) y los datos tempranos de Erosita (eFEDS, Brunner et al. 2021), que adem\u00e1s aumentamos con los l\u00edmites superiores de XMM-Newton utilizando RapidXMM (Ruiz et al. 2022). Para ello hemos desarrollado un algoritmo basado en el m\u00e9todo de emparejamiento descrito en Salvato et al. (2018). Hemos identificado la(s) mejor(es) banda(s) de rayos X a comparar y el modelo espectral a utilizar para determinar los flujos, con el fin de crear comparaciones fiables, as\u00ed como los criterios ideales para determinar la variabilidad. A partir de un estudio piloto sobre dos meses de datos, determinamos el n\u00famero y el tipo de alertas esperadas. Tambi\u00e9n ampliamos esta b\u00fasqueda para sondear la variabilidad espectral y la variabilidad en los datos \u00f3pticos\/UV del telescopio OM a bordo de XMM-Newton.<\/p>\n\n\n\n Para buscar la variabilidad d\u00e9bil y de corta duraci\u00f3n, nos hemos basado en el trabajo preliminar desarrollado y publicado en Pastor-Marazuela et al. (2020) sobre el algoritmo del detector de estallidos EPIC-pn XMM-Newton (EXOD). El algoritmo puede aplicarse ahora a los detectores MOS y a todos los modos de los detectores EPIC. Se han introducido mejoras en el algoritmo que determina la posici\u00f3n de la fuente variable y se ha trabajado para excluir las regiones de los detectores afectadas por fuentes muy brillantes, que pueden dar lugar a falsas detecciones. Hemos realizado pruebas preliminares sobre el algoritmo mejorado, compar\u00e1ndolo con el trabajo realizado anteriormente. Tambi\u00e9n hemos demostrado que el c\u00f3digo es capaz de detectar una variabilidad muy significativa de las fuentes m\u00e1s brillantes. Mientras que estas fuentes son detectadas por el pipeline de XMM-Newton, la variabilidad no ha sido identificada usando los algoritmos actuales del pipeline. Este es un resultado adicional al trabajo. El c\u00f3digo se ha paralelizado para permitir que se ejecute m\u00e1s r\u00e1pidamente con el gran volumen de datos disponibles y hemos empezado a realizar an\u00e1lisis en todas las observaciones de XMM-Newton.<\/p>\n\n\n\n <\/p>\n\n\n\n Este paquete de trabajo tiene como objetivo proporcionar caraterizaciones espectrales para varias submuestras de fuentes serend\u00edpicas de XMM-Newton, aprovechando sus espectros de rayos X, extra\u00eddos autom\u00e1ticamente durante el procesamiento del pipeline de todos los productos de XMM-Newton.<\/p>\n\n\n\n Para la caracterizaci\u00f3n espectral hemos utilizado un sofisticado m\u00e9todo de ajuste bayesiano (BXA) con una exploraci\u00f3n exhaustiva del espacio de par\u00e1metros. Como modelo de referencia, utilizamos una ley de potencia absorbida por gas fr\u00edo. Tambi\u00e9n se est\u00e1n considerando otros modelos, como un cuerpo negro absorbido y un bremstrahlung t\u00e9rmico.<\/p>\n\n\n\n El trabajo est\u00e1 estructurado en varias fases incrementales, cada una de las cuales se basa en la fase anterior, en la experiencia acumulada de los participantes y en los conocimientos adicionales obtenidos en la fase anterior. El final de cada fase est\u00e1 marcado por un entregable.<\/p>\n\n\n\n El primer entregable (a finales de 2021) fue un cat\u00e1logo de ajustes espectrales de los espectros de detecciones individuales de fuentes de rayos X en 4XMM DR11, despu\u00e9s de aplicar algunos filtros de calidad, dise\u00f1ados para garantizar que los resultados sean fiables y significativos. Hemos obtenido ajustes para el 97% de las detecciones con espectros extra\u00eddos, de los cuales el 75% (m\u00e1s de 230000 fuentes) se consideran de calidad aceptable. Para cada ajuste proporcionamos los valores de los par\u00e1metros de mejor ajuste, junto con las estimaciones del intervalo de confianza del 90%.<\/p>\n\n\n\n Muchas de esas detecciones corresponden a observaciones repetidas de la misma fuente f\u00edsica. Nuestro objetivo es aprovechar el correspondiente aumento de la se\u00f1al proporcionando, en un segundo entregable (D6.2, publicado a finales de abril de 2022), ajustes a los espectros fusionados de todas las observaciones de la misma fuente f\u00edsica (m\u00e1s de 30000 fuentes tras el filtrado). <\/p>\n\n\n\n En este caso tambi\u00e9n proporcionamos ajustes a un modelo de cuerpo negro absorbido, adem\u00e1s de un modelo de ley de potencia absorbido como para D6.1, para el que el 38,6% y el 25,2% de los ajustes se consideran de calidad aceptable (respectivamente). De nuevo, para cada ajuste y cada uno de los dos modelos proporcionamos algunos indicadores de calidad, los valores de los par\u00e1metros de mejor ajuste para un modelo de ley de potencia absorbida, junto con estimaciones del intervalo de confianza del 90%.<\/p>\n\n\n\n El cat\u00e1logo completo de 4XMM DR11 contiene cerca de 900000 fuentes, de las cuales s\u00f3lo una fracci\u00f3n (~320000) tienen sus espectros extra\u00eddos y por lo tanto fueron consideradas para ajustes espectrales completos (en D6.1 m\u00e1s arriba). Nuestro tercer entregable (D6.3, publicado en diciembre de 2022) tiene como objetivo proporcionar informaci\u00f3n espectral b\u00e1sica para todas las fuentes del cat\u00e1logo, utilizando los contadores del mismo como un espectro fuertemente binned de baja resoluci\u00f3n. Los ajustes a una ley de potencia absorbida resultan aceptables para casi el 90% de ellas. Proporcionamos la misma informaci\u00f3n para estos ajustes que en las dos entregas anteriores.<\/p>\n\n\n\n Nuestro cuarto y \u00faltimo entregable (D6.4, previsto para finales de marzo de 2023) tendr\u00e1 en cuenta la naturaleza de cada fuente (a partir de la identificaci\u00f3n preliminar y el trabajo fotom\u00e9trico del paquete de trabajo 8) y ajustar\u00e1 diferentes modelos espectrales a distintos tipos de fuentes, en funci\u00f3n de sus caracter\u00edsticas f\u00edsicas. Nuestra lista provisional de modelos es una ley de potencia desplazada al rojo, con absorci\u00f3n desplazada al rojo y absorci\u00f3n local fijada en el valor gal\u00e1ctico para N\u00facleos Gal\u00e1cticos Activos (AGN), una combinaci\u00f3n de dos modelos absorbidos correspondientes a gas difuso ionizado por colisi\u00f3n para estrellas \u00ab\u00a0normales\u00a0\u00bb, una combinaci\u00f3n de una ley de potencia absorbida y un cuerpo negro absorbido para binarias de rayos X (XRB) y un espectro bremsstrahlung absorbido para variables catacl\u00edsmicas. El n\u00famero preliminar de fuentes para las que se dispone de una clasificaci\u00f3n y espectros detallados es de ~110000 AGN con corrimientos al rojo fotom\u00e9tricos, ~11000 estrellas \u00ab\u00a0normales\u00a0\u00bb, 8700 XRB y unas 2500 CV. A partir de febrero de 2023 se est\u00e1n realizando pruebas exhaustivas y nuestro objetivo es proporcionar ajustes para conjuntos completos de algunas clases a finales de marzo, con ajustes finales para todas las clases poco despu\u00e9s.<\/p>\n\n\n\n Adem\u00e1s de informes detallados para cada entregable, tenemos previsto escribir un art\u00edculo cient\u00edfico para presentar los cat\u00e1logos y discutir parte de su contenido cient\u00edfico durante 2023.<\/p>\n\n\n\n El paquete de trabajo 7 trata de clasificar las fuentes ultravioletas y \u00f3pticas que son detectadas por el Monitor \u00d3ptico de XMM-Newton (XMM-OM) que observa en paralelo con las c\u00e1maras de rayos X. Nos interesa saber cu\u00e1les son las fuentes y si var\u00edan o no. Planeamos proporcionar una clasificaci\u00f3n automatizada para la mayor\u00eda de las fuentes del XMM-OM.<\/p>\n\n\n\n El trabajo realizado durante el primer a\u00f1o se centr\u00f3 en establecer un grupo de entrenamiento: un grupo de fuentes cuyo tipo y propiedades se conocen bien. La principal divisi\u00f3n de los tipos de fuentes es entre estrellas, galaxias y QSOs. En el caso de las estrellas, los datos clave son el tipo espectral y la luminosidad. Para las galaxias y los QSOs, la informaci\u00f3n clave es el desplazamiento al rojo, que para el grupo de entrenamiento ser\u00e1 obtenido espectrosc\u00f3picamente.<\/p>\n\n\n\n Para la parte estelar del grupo de entrenamiento, principalmente se ha llevado a cabo una correlaci\u00f3n cruzada con los datos de Gaia para identificar las estrellas por su movimiento propio y su paralaje. Gaia es un sat\u00e9lite de la Agencia Espacial Europea para el estudio astrom\u00e9trico que traza las posiciones y movimientos de las estrellas de nuestra galaxia; para la correlaci\u00f3n cruzada se ha utilizado la versi\u00f3n 2 de los datos de Gaia. Para cada OBSID de XMM-Newton, las posiciones de las fuentes de Gaia se han transformado a la \u00e9poca de la observaci\u00f3n de XMM-Newton, teniendo en cuenta los movimientos propios de las estrellas medidos por Gaia. La correspondencia con las fuentes de SUSS se lleva a cabo utilizando los paquetes de software Starlink Topcat\/Stilts. La paralaje y el movimiento propio se utilizan para identificar las estrellas gal\u00e1cticas, y la paralaje se utiliza para determinar las distancias y, por tanto, las luminosidades. Para la parte extragal\u00e1ctica del grupo de entrenamiento (cu\u00e1sares y galaxias), el XMM-SUSS se correlacion\u00f3 con el Sloan Digital Sky Survey. Las fuentes extragal\u00e1cticas con desplazamiento al rojo espectrosc\u00f3pico se incorporaron al conjunto de entrenamiento. <\/p>\n\n\n\n Paralelamente a la creaci\u00f3n del grupo de entrenamiento, se cre\u00f3 un cat\u00e1logo aumentado del XMM-SUSS a\u00f1adiendo al cat\u00e1logo del SUSS la fotometr\u00eda \u00f3ptica e infrarroja procedente de los grandes estudios del cielo de PanSTARRS, Skymapper, UKIDSS, Vista y WISE.<\/p>\n\n\n\n <\/p>\n\n\n\n Translated with DeepL<\/a><\/p>\n\n\n\n Los principales objetivos del WP8 son: (1) el desarrollo de un algoritmo de Inteligencia Artificial para la clasificaci\u00f3n de las fuentes de 4XMM en varias clases y (2) la estimaci\u00f3n de la informaci\u00f3n fotom\u00e9trica para la poblaci\u00f3n extragal\u00e1ctica en el cat\u00e1logo de 4XMM.<\/p>\n\n\n\n El grupo del IRAP ha trabajado en la clasificaci\u00f3n de las fuentes de rayos X. Se ha desarrollado una herramienta de aprendizaje autom\u00e1tico que puede clasificar las fuentes entre AGN, binarias de rayos X, variables catacl\u00edsmicas y estrellas. La herramienta utiliza la informaci\u00f3n espectral, la variabilidad y la informaci\u00f3n fotom\u00e9trica.<\/p>\n\n\n\n El dise\u00f1o del algoritmo y los resultados de las pruebas se han presentado en un art\u00edculo cient\u00edfico bajo el t\u00edtulo \u00ab\u00a0Probabilistic classification of X-ray sources applied to Swift-XRT and XMM-Newton catalogues\u00a0\u00bb (Tranin et al 2022, A&A, 657, 138)<\/p>\n\n\n\n Hemos puesto en marcha un pipeline de datos preliminar para el c\u00e1lculo del redshift fotom\u00e9trico basado en MLZ-TPZ (Carrasco Kind & Brunner, 2013). MLZ-TPZ es un algoritmo de aprendizaje autom\u00e1tico basado en una t\u00e9cnica supervisada con \u00e1rboles de predicci\u00f3n y bosques aleatorios. Hemos utilizado una muestra de datos preliminar proporcionada desde el WP2, los productos de cruce para 4XMM-DR10. Este conjunto de datos incluye el cruce de una versi\u00f3n anterior del 4XMM con SDSS-DR12, PanSTARRS-DR1, 2MASS y AllWISE, adem\u00e1s de otros cat\u00e1logos de longitudes de onda m\u00faltiples. Aunque el resultado final de esta tarea se basar\u00eda en el cat\u00e1logo final producido por el WP2, su estructura ser\u00eda muy similar a la de estos cat\u00e1logos preliminares. Los cat\u00e1logos adicionales de longitudes de onda m\u00faltiples que planeamos utilizar incluyen los cat\u00e1logos \u00f3pticos profundos DESI y LEGACY, as\u00ed como los cat\u00e1logos UKIDSS y VHS del infrarrojo cercano.<\/p>\n\n\n\n El paquete de trabajo 9 desempe\u00f1a un papel fundamental en el proyecto XMM2ATHENA al demostrar, a trav\u00e9s de proyectos cient\u00edficos espec\u00edficos ejemplares, el valor de los productos y herramientas cient\u00edficas desarrollados en otras partes de XMM2ATHENA. Para ello, es necesario, por supuesto, que las versiones maduras de estos productos y herramientas est\u00e9n disponibles, y por lo tanto las principales actividades de este paquete de trabajo (y los resultados asociados) est\u00e1n programados para las \u00faltimas etapas del proyecto.<\/p>\n\n\n\n En el WP9 se han realizado progresos constantes en el \u00faltimo a\u00f1o. Se ha desarrollado un conocimiento detallado de los cuatro proyectos cient\u00edficos ejemplares de la propuesta XMM2ATHENA, junto con una clara comprensi\u00f3n de los requisitos previos en t\u00e9rminos de productos de datos y an\u00e1lisis. La mayor\u00eda de los proyectos requieren datos de entregables programados para ser completados al menos 18 meses despu\u00e9s de la fecha de inicio del proyecto. Sin embargo, se est\u00e1n dando algunos pasos positivos. El principal de ellos es la publicaci\u00f3n del trabajo de Hugo Tranin (Tranin et al.,2022, A&A, en prensa]. \u00c9ste constituir\u00e1 la base del proyecto \u00ab\u00a0New Transients & Flaring Sources\u00a0\u00bb. Atenas declar\u00f3 un gran inter\u00e9s en liderar el proyecto \u00ab\u00a0Funci\u00f3n de luminosidad de rayos X de AGN\u00a0\u00bb dada su experiencia en el campo. Los avances en los proyectos \u00ab\u00a0Propiedades espectrales de rayos X de los AGN\u00a0\u00bb y \u00ab\u00a0Enanas blancas binarias compactas\u00a0\u00bb han sido limitados. Las reuniones han puesto de manifiesto que se est\u00e1n investigando otros proyectos que podr\u00edan sustituirlos.<\/p>\n\n\n\n Se han investigado formas de llevar a cabo versiones preliminares y reducidas de los proyectos cient\u00edficos en el \u00ab\u00a0periodo de espera\u00a0\u00bb y tambi\u00e9n hemos explorado otras ciencias relacionadas para identificar alguna que pueda servir de escaparate a XMM2ATHENA mientras tanto. Estamos construyendo una muestra extragal\u00e1ctica a partir del cat\u00e1logo de 4XMM que puede utilizarse como base para trabajar en los recuentos de fuentes y, eventualmente, en la funci\u00f3n de luminosidad de rayos X.<\/p>\n\n\n\n El kick-off de este paquete de trabajo result\u00f3 ser un valioso foro de debate sobre el trabajo de otros paquetes de trabajo que acabar\u00e1n alimentando las actividades del paquete 9. Se celebrar\u00e1n reuniones peri\u00f3dicas para comprobar los progresos realizados por las distintas instituciones en la realizaci\u00f3n de los proyectos ejemplares. Un posible formato que se est\u00e1 debatiendo es permitir que los grupos que dirigen cada proyecto presenten los avances y los problemas a los que se enfrentan. Esto mejorar\u00eda la comunicaci\u00f3n dentro de XMM2ATHENA y permitir\u00eda la colaboraci\u00f3n en la b\u00fasqueda de soluciones a los retos. A medida que avancemos hacia los hitos previstos en XMM2ATHENA, tenemos la intenci\u00f3n de celebrar reuniones del WP9 con mayor frecuencia. <\/p>\n\n\n\n <\/p>\n","protected":false},"excerpt":{"rendered":" Paquete de trabajo 2: Este paquete de trabajo tiene como objetivo proporcionar identificaciones estad\u00edsticas en m\u00faltiples longitudes de onda y distribuciones de energ\u00eda espectral de las fuentes de rayos X de XMM-Newton. Durante el primer a\u00f1o del proyecto hemos identificado los principales cat\u00e1logos de inter\u00e9s para cubrir diferentes longitudes de onda y profundidades. Para un… ![\"\"](\"http:\/\/xmm-ssc.irap.omp.eu\/xmm2athena\/wp-content\/uploads\/2022\/05\/ScreenshotFLIX_2-1024x687.png\")
<\/figure><\/div>\n\n\n\n
\n\n\n\n
\n\n\n\nPaquete de trabajo 4:<\/h2>\n\n\n\n
![\"\"](\"http:\/\/xmm-ssc.irap.omp.eu\/xmm2athena\/wp-content\/uploads\/2022\/06\/PSFstack-1-e1654860744819.png\")
<\/figure><\/div>\n\n\n\n
\n\n\n\n
\n\n\n\nPaquete de trabajo 5:<\/h2>\n\n\n\n
![\"\"](\"http:\/\/xmm-ssc.irap.omp.eu\/xmm2athena\/wp-content\/uploads\/2022\/05\/spitzer_ssc2008-17a1_1024.jpg\")
<\/figure><\/div>\n\n\n\n
\n\n\n\n
\n\n\n\nPaquete de trabajo 6:<\/h2>\n\n\n\n
![\"\"](\"http:\/\/xmm-ssc.irap.omp.eu\/xmm2athena\/wp-content\/uploads\/2022\/05\/Guainazzi.gif\")
<\/figcaption><\/figure><\/div>\n\n\n\n
\n\n\n\n
\n\n\n\nPaquete de trabajo 7<\/h2>\n\n\n\n
![\"\"](\"http:\/\/xmm-ssc.irap.omp.eu\/xmm2athena\/wp-content\/uploads\/2022\/10\/Training-1-1024x694.png\")
\n\n\n\n
\n\n\n\nPaquete de trabajo 8: <\/h2>\n\n\n\n
![\"\"](\"http:\/\/xmm-ssc.irap.omp.eu\/xmm2athena\/wp-content\/uploads\/2022\/06\/Picture-1-1.png\")
<\/figure><\/div>\n\n\n\n
\n\n\n\n
\n\n\n\nPaquete de trabajo 9:<\/h2>\n\n\n\n
![\"https:\/\/ui.adsabs.harvard.edu\/abs\/2021arXiv211101489T\/abstract\"](\"http:\/\/xmm-ssc.irap.omp.eu\/xmm2athena\/wp-content\/uploads\/2022\/01\/newspaper-hugo-tranin-1024x884.png\")
Lire la suite<\/a><\/p>\n","protected":false},"author":5,"featured_media":5450,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_eb_attr":"","_mi_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0},"_links":{"self":[{"href":"http:\/\/xmm-ssc.irap.omp.eu\/xmm2athena\/wp-json\/wp\/v2\/pages\/3273"}],"collection":[{"href":"http:\/\/xmm-ssc.irap.omp.eu\/xmm2athena\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"http:\/\/xmm-ssc.irap.omp.eu\/xmm2athena\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"http:\/\/xmm-ssc.irap.omp.eu\/xmm2athena\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"http:\/\/xmm-ssc.irap.omp.eu\/xmm2athena\/wp-json\/wp\/v2\/comments?post=3273"}],"version-history":[{"count":12,"href":"http:\/\/xmm-ssc.irap.omp.eu\/xmm2athena\/wp-json\/wp\/v2\/pages\/3273\/revisions"}],"predecessor-version":[{"id":4227,"href":"http:\/\/xmm-ssc.irap.omp.eu\/xmm2athena\/wp-json\/wp\/v2\/pages\/3273\/revisions\/4227"}],"wp:featuredmedia":[{"embeddable":true,"href":"http:\/\/xmm-ssc.irap.omp.eu\/xmm2athena\/wp-json\/wp\/v2\/media\/5450"}],"wp:attachment":[{"href":"http:\/\/xmm-ssc.irap.omp.eu\/xmm2athena\/wp-json\/wp\/v2\/media?parent=3273"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}