본 논문은 뇌파(EEG) 신호로부터 인간 활동을 해독하는 딥러닝 모델의 제로샷(zero-shot) 예측 성능을 조사합니다. 기존 연구들이 단일 피험자 분석에서 다 피험자 분석으로 옮겨가는 추세에도 불구하고, 이전에 보지 못한 피험자의 EEG 신호에 대한 제로샷 예측 능력을 탐구한 연구는 부족합니다. 본 연구는 딥러닝 방법이 피험자 독립적인 의미 정보를 EEG 신호에서 추출할 수 있는지 조사합니다. 이러한 통찰은 뇌-컴퓨터 인터페이스(BCI)의 일반화 성능 향상에 중요하며, 잡음이 많은 EEG 신호에서 피험자 독립적인 의미 특징을 추출하기 위해 대규모 언어 모델(LLM)을 잡음 제거 에이전트로 활용합니다. 실험 결과와 ablation study를 통해 LLM이 잡음이 많은 EEG 데이터에서 피험자 독립적인 의미 정보를 해독하는 데 중요한 역할을 한다는 것을 보여줍니다.
