Komplett gemeinsam LaTeX schreiben.
LetX ist ein kostenloser kollaborativer Online-LaTeX-Editor für Studierende und Forschungsteams. Kompilieren Sie in Sekunden, arbeiten Sie in Echtzeit zusammen und halten Sie Ihre unveröffentlichten Arbeiten privat.
\documentclass{article} \usepackage{amsmath} \begin{document} \begin{align*} e^{i\pi} + 1 &= 0 \\[1ex] \int_{0}^{\infty} e^{-x^2} dx &= \frac{\sqrt{\pi}}{2} \end{align*} \end{document}
Eine echte Bearbeitungssitzung
Laden Sie Ihr Team ein, bearbeiten Sie Dokumente gemeinsam in Echtzeit und kompilieren Sie sie in Sekunden zu PDF. Genau so funktioniert LetX.
Synergistic Application of Machine Learning and Computer Vision for the Detection of Exoplanets and Stars
Shihab Shahriar Antor Ashraful Kabir Alif
Department of Computer Science, BRAC University
Abstract. We present a framework that detects faint exoplanets in JWST/MIRI coronagraph imagery using contrastive and few-shot learning, separating planetary signals from bright host stars under low signal-to-noise. On held-out fields it outperforms CNN and GNN baselines while using far fewer labels.
Keywords: exoplanets, direct imaging, contrastive learning, few-shot learning, JWST
1. Introduction
Figure 1: JWST/MIRI direct imaging of a faint exoplanet (b) beside its host star.
Direct imaging of exoplanets is fundamentally limited by the overwhelming glare of the host star. Modern coronagraphs on JWST/MIRI suppress this stellar light, yet faint planetary signals remain buried in structured noise. As shown in Figure 1, the planet sits within the diffraction pattern of its star, making detection a needle-in-a-haystack problem. We cast this as a representation-learning task and show that contrastive objectives recover signals that pixel-wise classifiers miss.
2. Method
We learn a discriminative embedding with a contrastive objective, pulling together augmented views of one source and pushing apart star and planet candidates:
A few-shot head then adapts to new instruments from a handful of labelled detections, which is critical given the scarcity of confirmed direct-imaging targets.
3. Results
On held-out fields the model recovers 92% of injected planets at a false-positive rate below 0.1 per frame, outperforming CNN and GNN baselines by 14 and 9 points of recall respectively.
Synergistic Application of Machine Learning and Computer Vision for the Detection of Exoplanets and Stars
Shihab Shahriar Antor Ashraful Kabir Alif
Department of Computer Science, BRAC University
Abstract. We present a framework that detects faint exoplanets in JWST/MIRI coronagraph imagery using contrastive and few-shot learning, separating planetary signals from bright host stars under low signal-to-noise. On held-out fields it outperforms CNN and GNN baselines while using far fewer labels.
Keywords: exoplanets, direct imaging, contrastive learning, few-shot learning, JWST
1. Introduction
Figure 1: JWST/MIRI direct imaging of a faint exoplanet (b) beside its host star.
Direct imaging of exoplanets is fundamentally limited by the overwhelming glare of the host star. Modern coronagraphs on JWST/MIRI suppress this stellar light, yet faint planetary signals remain buried in structured noise. As shown in Figure 1, the planet sits within the diffraction pattern of its star, making detection a needle-in-a-haystack problem. We cast this as a representation-learning task and show that contrastive objectives recover signals that pixel-wise classifiers miss.
2. Method
We learn a discriminative embedding with a contrastive objective, pulling together augmented views of one source and pushing apart star and planet candidates:
A few-shot head then adapts to new instruments from a handful of labelled detections, which is critical given the scarcity of confirmed direct-imaging targets.
3. Results
On held-out fields the model recovers 92% of injected planets at a false-positive rate below 0.1 per frame, outperforming CNN and GNN baselines by 14 and 9 points of recall respectively.
Fertig, und die Abbildung wird gerendert. Jederzeit neu kompilieren.
Von Studierenden & Lehrenden an Universitäten weltweit genutzt
Studierende und Forschende an der BRAC University, der TU München, der Universität Hamburg, der UPC Barcelona, der Universität Ottawa sowie an 730+ Universitäten und Laboren in 75+ Ländern schreiben mit LetX.
Zusammenarbeit in Echtzeit
Schreiben Sie gemeinsam in Echtzeit. Änderungen werden ohne Konflikte zusammengeführt. Sie müssen keine .tex-Dateien mehr per E-Mail verschicken und überschreiben keine Änderungen anderer, und mit dem Versionsverlauf kehren Sie zu einem früheren Entwurf zurück.
- Konfliktfreie Bearbeitung (Yjs CRDT)
- Unbegrenzte Mitwirkende: kostenlos
- Versionsverlauf
Direct Imaging of Exoplanets
Coronagraphs on JWST/MIRI suppress the host star’s glare, yet faint planetary signals stay buried in structured stellar noise.
We recover them with contrastive and few-shot learning, separating planet candidates from the star even at very low signal-to-noise.
Ein Assistent, der Ihr Dokument bearbeitet
Beschreiben Sie Ihren Wunsch in einfachen Worten. Lexi liest Ihr Projekt, schlägt die Änderung vor, prüft durch Kompilieren, ob sie funktioniert, und setzt sie dort um, wo Sie gerade arbeiten.
Das ist der Editor
Ihre Dateien, Ihr Quellcode, Ihr PDF.
Ein Dateibaum, der LaTeX-Quellcode, ein Live-PDF und wer sonst noch mit Ihnen im Dokument ist. Lexi wartet unten im Editor, bis Sie etwas fragen.
Eine Nachbildung des Editors, die die echte Werkzeugsequenz ausführt. Wählen Sie eine beliebige aus, um dorthin zu springen.
Sie arbeiten schon in Claude oder ChatGPT? LetX ist im Konnektorverzeichnis von Claude und im Plugin-Verzeichnis von ChatGPT gelistet und betreibt einen MCP-Server, sodass Ihr Assistent mit einem kostenpflichtigen Tarif auch Ihre LetX-Projekte kompilieren und bearbeiten kann. Mit Claude kann ein kostenloses Konto es 7 Tage lang ausprobieren.
Sofort einsatzbereite Vorlagen
Fangen Sie nicht bei null an. Verlagsfertige Vorlagen für Fachzeitschriften, Abschlussarbeiten, Lebensläufe und mehr.
Bei Studierenden und Lehrenden beliebt
Vom Labor vor der Abschlussarbeit bis zum Büro der Lehrenden: Das sagen Studierende und Forschende an der BRAC University, der McGill und darüber hinaus über das Schreiben mit LetX.
Mit LetX können mehrere Personen gleichzeitig bearbeiten, und ich bin auf keine Obergrenze für die Anzahl gestoßen.
Aus dem Englischen übersetzt. Namen und Institutionen wie von den Personen angegeben.
Bereit, Ihr Meisterwerk zu schreiben?
Schließen Sie sich noch heute 10,700+ Studierenden und Forschenden an, die mit LetX schreiben.
Von Forschenden für Forschende entwickelt.
Wir beschleunigen wissenschaftliche Entdeckungen, indem wir Hürden beim Schreiben beseitigen.
Shihab Shahriar Antor
"Die Zukunft des wissenschaftlichen Schreibens für Forschende weltweit vereinfachen."
Ashraful Kabir Alif
"Wissenschaftlerinnen und Wissenschaftlern ermöglichen, sich auf ihre Ideen zu konzentrieren, nicht auf die Formatierung."
Kontakt aufnehmen
Haben Sie Fragen, Rückmeldungen oder benötigen Sie Unterstützung? Wir freuen uns auf Ihre Nachricht.
Senden Sie uns eine Nachricht
Häufig gestellte Fragen
Alles, was Sie über LetX, den kollaborativen Online-LaTeX-Editor, wissen müssen.
Was ist LetX?
LetX ist ein kostenloser, kollaborativer Online-Editor für LaTeX, eine Alternative zu Overleaf, die ohne Installation in Ihrem Browser läuft. Teams schreiben gemeinsam in Echtzeit in LaTeX, kompilieren in wenigen Sekunden zu PDF und nutzen SyncTeX, um zwischen Quellcode und Ausgabe zu springen.
Ist LetX kostenlos?
Ja. LetX ist mit unbegrenzten Projekten, unbegrenzten Mitwirkenden und 40 Kompilierungen pro Tag kostenlos nutzbar. Im Gegensatz zu Overleaf, das kostenlose Mitwirkende begrenzt, berechnet LetX niemals Gebühren pro Mitwirkendem, und Pro hebt das tägliche Kompilierungslimit auf.
Wie unterscheidet sich LetX von Overleaf?
LetX bietet kostenlos unbegrenzte Mitwirkende in Echtzeit (Overleaf berechnet Gebühren für mehr als einen in seinem kostenlosen Tarif), Kompilierungen, die für ein typisches Dokument wenige Sekunden dauern, und über 1000 sofort einsatzbereite wissenschaftliche und Lebenslauf-Vorlagen. Beide laufen im Browser ohne Installation.
Muss ich etwas installieren, um LetX zu nutzen?
Nein. LetX ist vollständig webbasiert und funktioniert auf Mac, Windows und Linux in jedem modernen Browser. Es muss keine LaTeX-Distribution installiert werden, die Kompilierung läuft auf den Servern von LetX.
Kann ich mit anderen in Echtzeit zusammenarbeiten?
Ja. LetX verwendet die Yjs CRDT-Technologie (dieselbe Algorithmenklasse wie bei Figma) für eine konfliktfreie Bearbeitung in Echtzeit. Mehrere Personen können dasselbe Dokument gleichzeitig bearbeiten und die Cursor der anderen sehen.
Kann ich mein bestehendes Overleaf- oder LaTeX-Projekt importieren?
Ja. Wählen Sie unter „+ Neues Projekt“ „Projekt als ZIP hochladen“ für ein Projekt oder „Mehrere Projekte importieren“, um einen ganzen Overleaf- oder Prism-Export auf einmal zu übernehmen.
Wer nutzt LetX?
Studierende und Forschende an 730+ Universitäten und Forschungslaboren in 75+ Ländern schreiben auf LetX. Die größten Gruppen sind an der BRAC University, der Universitas Negeri Surabaya, der UNAM, der UC San Diego und der University of Windsor. Es wird häufig für Abschlussarbeiten, Fachartikel und Laborberichte verwendet.