Abstract Electrophysiology is one of the major experimental techniques used in neuroscience. The favorable spatial and temporal resolution as well as the increasingly larger site counts of brain recording electrodes contribute to the popularity and importance of electrophysiology in neuroscience. Such electrodes are typically mechanically placed in the brain to perform acute or chronic freely moving animal measurements. The micro positioners currently used for such tasks employ a single translator per independent probe being placed into the targeted brain region, leading to significant size and weight restrictions. To overcome this limitation, we have developed a miniature robotic multi-probe neural microdrive that utilizes novel phase-change-material-filled resistive heater micro-grippers. The microscopic dimensions, gentle gripping action, independent electronic actuation control, and high packing density of the grippers allow for micrometer-precision independent positioning of multiple arbitrarily shaped parallel neural electrodes with only a single piezo actuator in an inchworm motor configuration. This multi-probe-single-actuator design allows for significant size and weight reduction, as well as remote control and potential automation of the microdrive. We demonstrate accurate placement of multiple independent recording electrodes into the CA1 region of the rat hippocampus in vivo in acute and chronic settings. Thus, our robotic neural microdrive technology is applicable towards basic neuroscience and clinical studies, as well as other multi-probe or multi-sensor micro-positioning applications. One Sentence Summary Miniature robotic multi-probe single-actuator microdrive utilizing phase change material based micro-grippers.

Accurate tracking of the same neurons across multiple days is crucial for studying changes in neuronal activity during learning and adaptation. Advances in high density extracellular electrophysiology recording probes, such as Neuropixels, provide a promising avenue to accomplish this goal. Identifying the same neurons in multiple recordings is, however, complicated by non-rigid movement of the tissue relative to the recording sites (drift) and loss of signal from some neurons. Here we propose a neuron tracking method that can identify the same cells independent of firing statistics, that are used by most existing methods. Our method is based on between-day non-rigid alignment of spike sorted clusters. We verified the same cell identity in mice using measured visual receptive fields. This method succeeds on datasets separated from one to 47 days, with an 84% average recovery rate.

High-density, integrated silicon electrodes have begun to transform systems neuroscience, by enabling large-scale neural population recordings with single cell resolution. Existing technologies, however, have provided limited functionality in nonhuman primate species such as macaques, which offer close models of human cognition and behavior. Here, we report the design, fabrication, and performance of Neuropixels 1.0-NHP, a high channel count linear electrode array designed to enable large-scale simultaneous recording in superficial and deep structures within the macaque or other large animal brain. These devices were fabricated in two versions: 4416 electrodes along a 45 mm shank, and 2496 along a 25 mm shank. For both versions, users can programmatically select 384 channels, enabling simultaneous multi-area recording with a single probe. We demonstrate recording from over 3000 single neurons within a session, and simultaneous recordings from over 1000 neurons using multiple probes. This technology represents a significant increase in recording access and scalability relative to existing technologies, and enables new classes of experiments involving fine-grained electrophysiological characterization of brain areas, functional connectivity between cells, and simultaneous brain-wide recording at scale.

To study the neural basis of behavior, we require methods to sensitively and accurately measure neural activity at single neuron and single spike resolution. Extracellular electrophysiology is a principal method for achieving this, but it has biases in the neurons it detects and it imperfectly resolves their action potentials. To overcome these limitations, we developed a silicon probe with significantly smaller and denser recording sites than previous designs, called Neuropixels Ultra (NP Ultra). This device measures neuronal activity at ultra-high densities (>1300 sites per mm, 10 times higher than previous probes), with 6 µm center-to-center spacing and low noise. This device effectively comprises an implantable voltage-sensing camera that captures a planar image of a neuron's electrical field. We introduce a new spike sorting algorithm optimized for these probes and use it to find that the yield of visually-responsive neurons in recordings from mouse visual cortex improves ∼3-fold. Recordings across multiple brain regions and four species revealed a subset of unexpectedly small extracellular action potentials not previously reported. Further experiments determined that, in visual cortex, these do not correspond to major subclasses of interneurons and instead likely reflect recordings from axons. Finally, using ground-truth identification of cortical inhibitory cell types with optotagging, we found that cell type was discriminable with approximately 75% success among three types, a significant improvement over lower-resolution recordings. NP Ultra improves spike sorting performance, sampling bias, and cell type classification.

Real-time neural signal processing is essential for brain-machine interfaces and closed-loop neuronal perturbations. However, most existing applications sacrifice cell-specific identity and temporal spiking information for speed. We developed a hybrid hardware-software system that utilizes a Field Programmable Gate Array (FPGA) chip to acquire and process data in parallel, enabling individual spikes from many simultaneously recorded neurons to be assigned single-neuron identities with 1-millisecond latency. The FPGA assigns labels, validated with ground-truth data, by comparing multichannel spike waveforms from tetrode or silicon probe recordings to a spike-sorted model generated offline in software. This platform allowed us to rapidly inactivate a region in vivo based on spikes from an upstream neuron before these spikes could excite the downstream region. Furthermore, we could decode animal location within 3 ms using data from a population of individual hippocampal neurons. These results demonstrate our system9s suitability for a broad spectrum of research and clinical applications.

State-of-the-art silicon probes for electrical recording from neurons have thousands of recording sites, but only a fraction of them can be used simultaneously due to the forbiddingly large volume of the associated wires. To overcome this fundamental constraint, we propose a novel method called "electrode pooling" that uses a single wire to serve multiple recording sites. Multiple electrodes are connected to a single wire through a set of controllable switches. Here we present the framework behind this method and an experimental strategy to support it. We show that under suitable conditions electrode pooling can save wires without compromising the content of the recordings. We make recommendations for the design of future devices to take advantage of this strategy.