LetX ist ein kostenloser kollaborativer Online-LaTeX-Editor für studentische Teams. 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}
Laden Sie Ihr Team ein, bearbeiten Sie Dokumente gemeinsam in Echtzeit und kompilieren Sie sie in Sekunden zu PDF. Genau so funktioniert LetX.
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
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.
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.
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.
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
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.
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.
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 kostenlos 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 420+ Universitäten und Laboren in 65+ Ländern schreiben mit LetX.
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. Dank des vollständigen Versionsverlaufs können Sie zu jedem Stand zurückkehren.
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.
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
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.
Fangen Sie nicht bei null an. Verlagsfertige Vorlagen für Fachzeitschriften, Abschlussarbeiten, Lebensläufe und mehr.
Vom Labor vor der Abschlussarbeit bis zum Büro der Lehrenden: Das sagen die ersten Nutzerinnen und Nutzer an der BRAC University und der BUET über das Schreiben mit LetX.
LetX lets several people edit at once, and I have not run into a cap on how many.
Schließen Sie sich noch heute 5,300+ Studierenden und Forschenden an, die mit LetX schreiben.
Wir beschleunigen wissenschaftliche Entdeckungen, indem wir Hürden beim Schreiben beseitigen.

"Die Zukunft des wissenschaftlichen Schreibens für Forschende weltweit vereinfachen."

"Wissenschaftlerinnen und Wissenschaftlern ermöglichen, sich auf ihre Ideen zu konzentrieren, nicht auf die Formatierung."
Haben Sie Fragen, Rückmeldungen oder benötigen Sie Unterstützung? Wir freuen uns auf Ihre Nachricht.
Alles, was Sie über LetX, den kollaborativen Online-LaTeX-Editor, wissen müssen.
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.
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.
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.
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.
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.
Ja. Verwenden Sie „+ Neues Projekt“ und wählen Sie „ZIP hochladen“, um ein bestehendes LaTeX-Projekt zu importieren, einschließlich aus Overleaf exportierter Projekte.
Studierende und Forschende an 420+ Universitäten und Forschungslaboren in 65+ Ländern schreiben auf LetX, darunter die BRAC University, die Technische Universität München (TUM), die UC San Diego, die De La Salle University, die Universität Bologna, die Universität Ottawa, die UPC Barcelona, das IIIT Delhi sowie nationale Labore wie das italienische INGV und das brasilianische INPE. Es wird häufig für Abschlussarbeiten, Fachartikel und Laborberichte verwendet.