NS-Copilot：用于自主神经科学分析的 LLM 驱动代理系统

人工智能正在迅速推动神经科学的发展，但由于重大的跨学科障碍，许多实验室未能充分发挥其潜力。虽然生理数据的预训练神经模型进展迅速，但其异构架构和特定模态的约束阻碍了系统集成、选择和评估。尽管基于 大语言模型 (LLM) 的智能科学应用代理系统最近取得了进展，但现有方法通常仍然缺乏有效选择和协调不同神经科学预训练模型以及处理该领域独特数据类型所需的领域专业知识。我们推出 NS-Copilot，这是一种用于神经科学分析的 LLM 驱动的多智能体系统，可自主支持各种专业任务的端到端工作流程。它统一了特定领域的预训练模型，并通过自然语言界面支持关键的神经科学模式，包括脑电图和细胞外尖峰数据。给定原始数据和任务描述，NS-Copilot 会协调具有专门角色的代理，以进行规划、自适应控制、代码生成和结果合成，从而无需特定于数据集的启发式分析即可进行分析。我们根据涵盖阿尔茨海默病、帕金森病和工作记忆峰值解码的神经科学基准评估 NS-Copilot。在每项任务的 8 次试验中，该系统在主要指标上始终优于强大的基线，这证明了 NS-Copilot 进行有效且可扩展的神经科学分析的能力。我们的代码可在 https://github.com/FrankLiu1102/ns-copilot 上公开获取。