LetXで一緒にLaTeXを書きましょう。
LetXは、学生と研究チームのための無料のオンライン共同編集LaTeXエディタです。数秒でコンパイルでき、リアルタイムに一緒に作業でき、公開前の作業内容は非公開のままにできます。
\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}
実際の編集セッション
チームを招待し、リアルタイムで一緒に編集し、数秒でPDFにコンパイルします。まさにLetXの動きそのものです。
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.
完了し、図がレンダリングされました。いつでも無料で再コンパイルできます。
世界中の大学の学生や教員が使っています
BRAC大学、ミュンヘン工科大学、ハンブルク大学、UPCバルセロナ、オタワ大学、および70+か国にわたる530+の大学や研究所の学生や研究者が、LetXで執筆しています。
リアルタイムの共同編集
リアルタイムで一緒に執筆できます。編集は競合することなくマージされ、.texファイルをメールで送信したり、お互いの作業を上書きしたりする必要はもうありません。完全なバージョン履歴により、いつでも任意の時点にロールバックできます。
- 競合が起きない編集（Yjs CRDT）
- 共同編集者は無制限：無料
- 完全なバージョン履歴
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.
ドキュメントを編集するアシスタント
日常的な言葉で質問してください。Lexiがプロジェクトを読み込み、変更を提案し、ビルドできるかコンパイルして確認し、作業中の場所に適用します。
これがエディタです
ファイルも、ソースも、PDFも、あなたのものです。
写っているのは、ファイルツリー、LaTeXソース、ライブPDF、そして同じ文書を開いている他のメンバーです。Lexiはエディタの下部で、あなたが何かを頼むまで待機しています。
エディタのレプリカで、実際のツール実行シーケンスがそのまま動いています。どれかを選ぶと、その場面に移動します。
すでにClaudeやChatGPTをお使いですか？ LetXはClaudeのコネクタディレクトリに掲載されており、MCPサーバーも動作させているので、有料プランならあなたのアシスタントがLetXプロジェクトのコンパイルや編集も行えます。
学生や教員から愛されています
論文執筆前の研究室から教員室まで、BRAC UniversityやMcGill、そしてそのほかの大学の学生や研究者が、LetXでの執筆について語ってくれました。
LetXでは複数人が同時に編集でき、人数の上限に達したこともありません。
英語からの翻訳です。氏名や所属機関はご本人が提供した表記のままです。
研究者によって、研究者のために構築されました。
執筆の摩擦を取り除くことで、科学的発見を加速させます。
お問い合わせ
ご質問、フィードバック、またはサポートが必要ですか？皆様からのご連絡をお待ちしております。
メッセージを送信
よくある質問
オンライン共同編集LaTeXエディターであるLetXについて、知っておくべきすべての情報です。
LetXとは何ですか？
LetXは無料で使えるオンラインの共同LaTeXエディタであり、ブラウザ上で動作しインストール不要のOverleafの代替サービスです。チームでリアルタイムにLaTeXを共同編集し、数秒でPDFにコンパイルできるほか、SyncTeXを使用してソースと出力の間を移動できます。
LetXは無料ですか？
はい。LetXは無料で利用でき、無制限のプロジェクト、無制限の共同編集者、1日あたり40回のコンパイルが含まれます。無料枠での共同編集者数を制限するOverleafとは異なり、LetXでは共同編集者ごとに追加料金が発生することは決してありません。また、Proプランでは1日のコンパイル制限が解除されます。
LetXとOverleafの違いは何ですか？
LetXは、無料かつ無制限のリアルタイム共同編集（Overleafの無料プランは1名を超えると有料になります）、一般的な文書なら数秒で終わるコンパイル、そしてすぐ使える学術用・履歴書用のテンプレートを1000種類以上提供しています。どちらもインストール不要で、ブラウザ上で動作します。
LetXを使用するために何かをインストールする必要はありますか？
いいえ。LetXは完全にウェブベースであり、Mac、Windows、Linux上のあらゆる最新のブラウザで動作します。LaTeXディストリビューションをインストールする必要はなく、コンパイルはLetXのサーバー上で実行されます。
他の人とリアルタイムで共同編集することはできますか？
はい。LetXはマージの競合がないリアルタイム編集を実現するために、Yjs CRDT技術（Figmaと同じクラスのアルゴリズム）を使用しています。複数人が同じドキュメントを同時に編集し、お互いのカーソルを見ることができます。
既存のOverleafやLaTeXのプロジェクトをインポートすることはできますか？
はい。「+ 新規プロジェクト」を使用して「ZIPをアップロード」を選択すると、Overleafからエクスポートしたプロジェクトを含む、既存のLaTeXプロジェクトをインポートできます。
誰がLetXを使用していますか？
70+か国にわたる530+の大学や研究所の学生および研究者がLetXを利用して執筆しています。特に利用者が多いのは、BRAC大学、スラバヤ国立大学、メキシコ国立自治大学（UNAM）、カリフォルニア大学サンディエゴ校、ウィンザー大学です。論文、学会誌、実験レポートに広く使われています。