Remembering events in the past is crucial to intelligent behaviour. Flexible memory retrieval, beyond simple recall, requires a model of how events relate to one another. Two key brain systems are implicated in this process: the hippocampal episodic memory (EM) system and the prefrontal working memory (WM) system. While an understanding of the hippocampal system, from computation to algorithm and representation, is emerging, less is understood about the prefrontal WM system can give rise to flexible computations beyond simple memory retrieval, and even less is understood about how the two systems relate to each other. Here we develop a mathematical theory relating the algorithms and representations of EM and WM by showing a duality between storing memories in synapses versus neural activity. In doing so, we develop a formal theory of the algorithm and representation of prefrontal WM as controllable activation slots. By building models using this formalism, we elucidate the differences, similarities, and trade-offs between the hippocampal and prefrontal algorithms. Lastly, we show that several prefrontal representations in tasks ranging from list learning to cue dependent recall are unified as controllable activation slots. Our results unify frontal and temporal representations of memory, and offer a new basis for understanding the prefrontal representation of WM.

To flexibly adapt to new situations, our brains must understand the regularities in the world, but also in our own patterns of behaviour. A wealth of findings is beginning to reveal the algorithms we use to map the outside world. In contrast, the biological algorithms that map the complex structured behaviours we compose to reach our goals remain enigmatic. Here we reveal a neuronal implementation of an algorithm for mapping abstract behavioural structure and transferring it to new scenarios. We trained mice on many tasks which shared a common structure organising a sequence of goals, but differed in the specific goal locations. Animals discovered the underlying task structure, enabling zero-shot inferences on the first trial of new tasks. The activity of most neurons in the medial Frontal cortex tiled progress-to-goal, akin to how place cells map physical space. These goal-progress cells generalised, stretching and compressing their tiling to accommodate different goal distances. In contrast, progress along the overall sequence of goals was not encoded explicitly. Instead a subset of goal-progress cells was further tuned such that individual neurons fired with a fixed task-lag from a particular behavioural step. Together these cells implemented an algorithm that instantaneously encoded the entire sequence of future behavioural steps, and whose dynamics automatically retrieved the appropriate action at each step. These dynamics mirrored the abstract task structure both on-task and during offline sleep. Our findings suggest that goal-progress cells in the medial frontal cortex may be elemental building blocks of schemata that can be sculpted to represent complex behavioural structures.

Coincidental spike discharge amongst distributed groups of neurons is thought to provide an efficient mechanism for encoding percepts, actions and cognitive processes. Short timescale coactivity can indeed bind neurons with similar tuning, giving rise to robust representations congruent with those of the participating neurons. Alternatively, coactivity may also play a role in information processing through encoding variables not represented by individual neurons. While this type of emergent coactivity-based coding has been described for physically well-defined variables, including percepts and actions, its role in encoding abstract cognitive variables remains unknown. Coactivity-based representation could provide a flexible code in dynamic environments, where animals must regularly learn short-lived behavioural contingencies. Here, we tested this possibility by training mice to discriminate two new behavioural contingencies every day, while monitoring and manipulating neural ensembles in the hippocampal CA1. We found that, while the spiking of neurons within their place fields is organised into congruent coactivity patterns representing discrete locations during unsupervised exploration of the learning enclosure, additional neurons synchronised their activity into spatially-untuned patterns that discriminated opposing learning contingencies. This contingency discrimination was an emergent property of millisecond timescale coactivity rather than the tuning of individual neurons, and predicted trial-by-trial memory performance. Moreover, optogenetic suppression of plastic inputs from the upstream left CA3 region during learning selectively impaired the computation of contingency-discriminating, but not space-representing CA1 coactivity patterns. This manipulation, but not silencing the more stable right CA3 inputs, impaired memory of the contingency discrimination. Thus, the computation of an emergent, coactivity-based discrimination code necessitates plastic synapses and supports dynamic, two-contingency memory.