論文の概要: NS-Copilot: An LLM-Driven Agent System for Autonomous Neuroscience Analysis

• arxiv url: http://arxiv.org/abs/2609.01971v1
• Date: Wed, 02 Sep 2026 00:57:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:18.024631
• Title: NS-Copilot: An LLM-Driven Agent System for Autonomous Neuroscience Analysis
• Title（参考訳）: NS-Copilot:自律神経科学分析のためのLLM駆動エージェントシステム
• Authors: Wuche Liu, Yiran Qiao, Linlin Hou, Rui Yang, Shusen Pu, Song Wang, Jing Ma,
• Abstract要約: NSCopilotは、大型言語モデル(LLM)による神経科学解析のためのマルチエージェントシステムである。 ドメイン固有の事前訓練モデルを統合し、脳波や細胞外スパイクデータを含む重要な神経科学のモダリティをサポートする。 計画、適応制御、コード生成、結果に特別な役割を持つエージェントを編成する。
• 参考スコア（独自算出の注目度）: 16.317509493719697
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI is rapidly advancing neuroscience, yet many laboratories fail to fully unleash its potential due to significant interdisciplinary barriers. While pre-trained neural models for physiological data are progressing quickly, their heterogeneous architectures and modality-specific constraints hinder systematic integration, selection, and evaluation. Despite recent advances in large language model (LLM)-based agent systems for intelligent scientific applications, existing approaches often still lack the domain expertise required to effectively select and coordinate diverse neuroscience pre-trained models and handle unique data types in this domain. We present NS-Copilot, an LLM-driven multi-agent system for neuroscience analysis that autonomously supports end-to-end workflows for diverse professional tasks. It unifies domain-specific pre-trained models and supports key neuroscience modalities, including EEG and extracellular spike data, through a natural-language interface. Given raw data and a task description, NS-Copilot orchestrates agents with specialized roles for planning, adaptive control, code generation, and result synthesis, enabling analysis without dataset-specific heuristics. We evaluate NS-Copilot on neuroscience benchmarks spanning Alzheimer's disease, Parkinson's disease, and working memory spike decoding. Across 8 trials per task, the system consistently outperforms strong baselines on the primary metric, demonstrating the ability of NS-Copilot for effective and scalable neuroscience analysis.
• Abstract（参考訳）: AIは急速に神経科学を進歩させているが、多くの研究所は学際的な障壁のためにその可能性を完全に解き放たない。 生理学的データのための事前学習されたニューラルネットワークは急速に進歩しているが、その不均一なアーキテクチャとモダリティ固有の制約は、体系的な統合、選択、評価を妨げている。 知的科学応用のための大規模言語モデル(LLM)ベースのエージェントシステムは近年進歩しているが、既存のアプローチでは、様々な神経科学事前訓練されたモデルを効果的に選択し、調整し、この領域でユニークなデータ型を扱うために必要なドメインの専門知識が欠如していることが多い。 神経科学分析のためのLLM駆動型マルチエージェントシステムであるNS-Copilotを,多種多様な専門業務のためのエンドツーエンドワークフローを自律的にサポートする。 ドメイン固有の事前訓練されたモデルを統一し、自然言語インターフェースを通じて脳波や細胞外スパイクデータを含む重要な神経科学のモダリティをサポートする。 生のデータとタスク記述が与えられたNS-Copilotは、計画、適応制御、コード生成、結果合成に特別な役割を持つエージェントを編成し、データセット固有のヒューリスティックスなしで分析を可能にする。 NS-Copilotは、アルツハイマー病、パーキンソン病、ワーキングメモリスパイクデコードにまたがる神経科学のベンチマークで評価した。 1タスクあたりの8回の試験で、システムは第一基準値の強いベースラインを一貫して上回り、効果的でスケーラブルな神経科学分析のためのNS-Copilotの能力を示す。

関連論文リスト

• SeekBrain: An Autonomous Multi-Agent System for Accelerating Neuroscience Discovery [70.26731349963639]
  SeekBrainは、ドメイン基底の階層的計画とクロスモーダルデータ分析を通じて神経科学の発見を加速するように設計されたフレームワークである。 この体系化された専門知識とエージェント計画と実行エンジンを結合することにより、このフレームワークは需要に応じて仮説と分析パイプラインを確実に生成する。 これらの結果は、SeekBrainを、神経科学におけるデータ駆動的な発見を加速するためのスケーラブルで実用的なツールとして確立している。
  論文  参考訳（メタデータ） (2026-07-31T12:30:12Z)
• Towards a Virtual Neuroscientist: Autonomous Neuroimaging Analysis via Multi-Agent Collaboration [53.772014300855375]
  我々は,自律型エンドツーエンド神経画像解析のためのマルチエージェントシステムであるNIAgentを紹介する。 従来のフラットなツール呼び出しエージェントとは異なり、NIAgentはコード中心の実行パラダイムを採用している。 本稿では,コホートレベルの検定とエージェント視覚検査を組み合わせた,自律的品質管理のための階層的検証フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-10T06:30:19Z)
• NeuroClaw Technical Report [54.14941057366186]
  NeuroClawは、神経イメージング研究のためのドメイン特化マルチエージェント研究アシスタントである。 NeuroClawは、フォーマットとモダリティをまたいだ生のニューロイメージングデータを直接運用する。 3階層のスキル/エージェント階層は、ユーザとのインタラクション、高レベルのオーケストレーション、低レベルのツールスキルを分離する。
  論文  参考訳（メタデータ） (2026-04-27T16:57:14Z)
• Foundation and Large-Scale AI Models in Neuroscience: A Comprehensive Review [5.853788810213108]
  大規模人工知能(AI)モデルの出現は神経科学研究に変革をもたらす。 本稿では,5つの主要な神経科学領域に対する大規模AIモデルの変換効果について検討する。
  論文  参考訳（メタデータ） (2025-10-18T22:45:59Z)
• NOBLE -- Neural Operator with Biologically-informed Latent Embeddings to Capture Experimental Variability in Biological Neuron Models [63.592664795493725]
  NOBLEは、解釈可能なニューロンの特徴を連続周波数変調した埋め込みから電流注入によって誘導されるソマティック電圧応答へのマッピングを学ぶ神経オペレーターフレームワークである。 内在的な実験変数を考慮したニューラルダイナミクスの分布を予測する。 NOBLEは、その一般化を実際の実験データで検証する最初の大規模ディープラーニングフレームワークである。
  論文  参考訳（メタデータ） (2025-06-05T01:01:18Z)
• Neuroformer: Multimodal and Multitask Generative Pretraining for Brain Data [3.46029409929709]
  最先端のシステム神経科学実験は大規模なマルチモーダルデータを生み出し、これらのデータセットは分析のための新しいツールを必要とする。 視覚領域と言語領域における大きな事前学習モデルの成功に触発されて、我々は大規模な細胞分解性神経スパイクデータの解析を自己回帰生成問題に再構成した。 我々はまず、シミュレーションデータセットでNeuroformerを訓練し、本質的なシミュレートされた神経回路の動作を正確に予測し、方向を含む基盤となる神経回路の接続性を推定した。
  論文  参考訳（メタデータ） (2023-10-31T20:17:32Z)
• Neuro-symbolic Neurodegenerative Disease Modeling as Probabilistic Programmed Deep Kernels [93.58854458951431]
  本稿では、神経変性疾患のパーソナライズされた予測モデリングのための、確率的プログラムによる深層カーネル学習手法を提案する。 我々の分析は、ニューラルネットワークとシンボリック機械学習のアプローチのスペクトルを考慮する。 我々は、アルツハイマー病の予測問題について評価を行い、深層学習を超越した結果を得た。
  論文  参考訳（メタデータ） (2020-09-16T15:16:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。