L’éditeur complet pour LaTeX.
LetX est un éditeur LaTeX en ligne, gratuit et collaboratif pour les étudiants et les équipes de recherche. Compilez en quelques secondes, travaillez ensemble en temps réel et gardez vos brouillons confidentiels.
\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}
Une vraie session de rédaction
Invitez votre équipe, travaillez ensemble en temps réel et compilez en PDF en quelques secondes : c’est tout le principe de 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.
Terminé, et la figure s’affiche. Recompilez quand vous voulez.
Utilisé par des étudiants et des enseignants d’universités du monde entier
Des étudiants et chercheurs de BRAC University, de l’université technique de Munich, de l’université de Hambourg, de l’UPC Barcelone, de l’université d’Ottawa et de 700+ universités et laboratoires dans 75+ pays font confiance à LetX.
Collaboration en temps réel
Écrivez ensemble en temps réel. Les modifications fusionnent sans conflit, fini les fichiers .tex envoyés par e-mail ou écrasés par un autre, et l’historique des versions vous ramène à une version antérieure.
- Édition sans conflit (Yjs CRDT)
- Collaborateurs illimités : gratuit
- Historique des versions
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.
Un assistant qui modifie votre document
Décrivez simplement votre demande. Lexi lit votre projet, propose la modification, la compile pour vérifier qu’elle fonctionne, puis l’applique là où vous travaillez.
Ceci est l’éditeur
Vos fichiers, votre source, votre PDF.
Une arborescence de fichiers, la source LaTeX, un PDF en direct, et toutes les personnes présentes avec vous dans le document. Lexi attend en bas de l’éditeur jusqu’à ce que vous lui demandiez quelque chose.
Une réplique de l’éditeur, exécutant la véritable séquence d’outils. Choisissez-en un pour y accéder.
Vous travaillez déjà dans Claude ou ChatGPT ? LetX figure dans l’annuaire des connecteurs de Claude et dans l’annuaire des plugins de ChatGPT, et propose un serveur MCP : avec une offre payante, votre assistant peut aussi compiler et modifier vos projets LetX. Avec Claude, un compte gratuit peut l’essayer pendant 7 jours.
Des modèles prêts à l’emploi
Ne partez pas de zéro. Des modèles prêts à publier : articles de revue, thèses, CV universitaires ou professionnels, et bien plus.
Plébiscité par les étudiants et les enseignants
Du labo au bureau des enseignants, voici ce que des étudiants et des chercheurs de BRAC University, de McGill et d’ailleurs disent de leur expérience sur LetX.
LetX permet à plusieurs personnes de modifier en même temps, et je n’ai rencontré aucune limite quant au nombre.
Traduit de l’anglais. Noms et institutions tels que fournis par les personnes.
Prêt à rédiger votre prochain article ?
Rejoignez 10,000+ étudiants et chercheurs qui écrivent sur LetX dès aujourd’hui.
Créé par des chercheurs, pour des chercheurs.
Accélérer la découverte scientifique en éliminant les obstacles à la rédaction.
Shihab Shahriar Antor
"Simplifier l’avenir de la rédaction universitaire pour les chercheurs du monde entier."
Ashraful Kabir Alif
"Permettre aux scientifiques de se concentrer sur leurs idées, pas sur la mise en page."
Contactez-nous
Des questions, des remarques ou besoin d’aide ? Nous serions ravis de vous lire.
Envoyez-nous un message
Questions fréquentes
Tout savoir sur LetX, l’éditeur LaTeX collaboratif en ligne.
Qu’est-ce que LetX ?
LetX est un éditeur LaTeX collaboratif en ligne et gratuit, une alternative à Overleaf qui s’exécute dans votre navigateur sans aucune installation. Les équipes rédigent en LaTeX ensemble en temps réel, compilent en PDF en quelques secondes, et utilisent SyncTeX pour naviguer entre le code source et le résultat.
LetX est-il gratuit ?
Oui. LetX est gratuit avec un nombre illimité de projets, un nombre illimité de collaborateurs et 40 compilations par jour. Contrairement à Overleaf, qui limite les collaborateurs gratuits, LetX ne facture jamais par collaborateur, et Pro supprime la limite de compilation quotidienne.
En quoi LetX est-il différent d’Overleaf ?
LetX propose gratuitement un nombre illimité de collaborateurs en temps réel (Overleaf fait payer au-delà d’un collaborateur dans son offre gratuite), des compilations de quelques secondes pour un document courant, et plus de 1000 modèles de CV et académiques prêts à l’emploi. Les deux s’exécutent dans le navigateur sans installation.
Dois-je installer quelque chose pour utiliser LetX ?
Non. LetX est entièrement basé sur le web et fonctionne sur Mac, Windows et Linux dans n’importe quel navigateur moderne. Il n’y a aucune distribution LaTeX à installer, la compilation s’exécute sur les serveurs de LetX.
Puis-je collaborer avec d’autres personnes en temps réel ?
Oui. LetX utilise la technologie Yjs CRDT (la même classe d’algorithme que Figma) pour une édition en temps réel sans conflit de fusion. Plusieurs personnes peuvent modifier le même document simultanément et voir le curseur des autres.
Puis-je importer mon projet Overleaf ou LaTeX existant ?
Oui. Dans « + Nouveau projet », choisissez « Importer un projet en zip » pour un projet, ou « Importer plusieurs projets » pour reprendre en une fois tout un export Overleaf ou Prism.
Qui utilise LetX ?
Des étudiants et chercheurs de 700+ universités et laboratoires de recherche à travers 75+ pays rédigent sur LetX. Les groupes les plus importants se trouvent à l’Université BRAC, à l’Universitas Negeri Surabaya, à l’UNAM, à l’UC San Diego et à l’Université de Windsor. Il est largement utilisé pour les thèses, les articles de revues et les rapports de laboratoire.