Measuring the dynamics of neural processing across time scales requires following the spiking of thousands of individual neurons over milliseconds and months. To address this need, we introduce the Neuropixels 2.0 probe together with newly designed analysis algorithms. The probe has more than 5000 sites and is miniaturized to facilitate chronic implants in small mammals and recording during unrestrained behavior. High-quality recordings over long time scales were reliably obtained in mice and rats in six laboratories. Improved site density and arrangement combined with newly created data processing methods enable automatic post hoc correction for brain movements, allowing recording from the same neurons for more than 2 months. These probes and algorithms enable stable recordings from thousands of sites during free behavior, even in small animals such as mice.

Abstract To study the dynamics of neural processing across timescales, we require the ability to follow the spiking of thousands of individually separable neurons over weeks and months, during unrestrained behavior. To address this need, we introduce the Neuropixels 2.0 probe together with novel analysis algorithms. The new probe has over 5,000 sites and is miniaturized such that two probes plus a headstage, recording 768 sites at once, weigh just over 1 g, suitable for implanting chronically in small mammals. Recordings with high quality signals persisting for at least two months were reliably obtained in two species and six different labs. Improved site density and arrangement combined with new data processing methods enable automatic post-hoc stabilization of data despite brain movements during behavior and across days, allowing recording from the same neurons in the mouse visual cortex for over 2 months. Additionally, an optional configuration allows for recording from multiple sites per available channel, with a penalty to signal-to-noise ratio. These probes and algorithms enable stable recordings from >10,000 sites during free behavior in small animals such as mice.

ABSTRACT Individual neurons in prefrontal cortex – a key brain area involved in cognitive functions – are selective for variables such as space or time, as well as more cognitive aspects of tasks, such as learned categories. Many neurons exhibit mixed selectivity, that is, they show selectivity for multiple variables. A fundamental question is whether neurons are functionally specialized for particular variables and how selectivity for different variables intersects across the population. Here, we analyzed neural correlates of space and time in rats performing a navigational task with two behaviorally important categories – starts and goals. Using simultaneous recordings of many medial prefrontal cortex (mPFC) neurons during behavior, we found that population codes for elapsed time were invariant to different locations within categories, and subsets of neurons had functional preferences for time or space across categories. Thus, mPFC exhibits structured selectivity, which may facilitate complex behaviors by efficiently generating informative representations of multiple variables.

Abstract The prefrontal cortex (PFC)’s functions are thought to include working memory, as its activity can reflect information that must be temporarily maintained to realize the current goal. We designed a flexible spatial working memory task that required rats to navigate - after distractions and a delay - to multiple possible goal locations from different starting points and via multiple routes. This made the current goal location the key variable to remember, instead of a particular direction or route to the goal. However, across a broad population of PFC neurons, we found no evidence of current-goal-specific memory in any previously reported form - i.e. differences in the rate, sequence, phase or covariance of firing. This suggests such patterns do not hold working memory in the PFC when information must be employed flexibly. Instead, the PFC grouped locations representing behaviorally equivalent task features together, consistent with a role in encoding long-term knowledge of task structure.