Abstract Reward expectations based on internal knowledge of the external environment are a core component of adaptive behavior. However, internal knowledge may be inaccurate or incomplete due to errors in sensory measurements. Some features of the environment may also be encoded inaccurately to minimise representational costs associated with their processing. We investigate how reward expectations are affected by differences in internal representations by studying rodents’ behaviour and dopaminergic activity while they make time based decisions. Several possible representations allow a reinforcement learning agent to model animals’ choices during the task. However, only a small subset of highly compressed representations simultaneously reproduce, both, animals’ behaviour and dopaminergic activity. Strikingly, these representations predict an unusual distribution of response times that closely matches animals’ behaviour. These results can inform how constraints of representational efficiency may be expressed in encoding representations of dynamic cognitive variables used for reward based computations.

Abstract To behave adaptively, the brain must register temporal structure in the environment and use it to organize behavior. The dorsolateral striatum (DLS) integrates sensorimotor input, and is necessary for accurate timing and structuring behavior in general. However, if DLS provides the basis for mapping temporal features in the environment to behavior, its activity should predict variation in that mapping. A reanalysis of DLS population activity in rats comparing the duration of two sequentially presented vibratory stimuli revealed a striking correspondence between neural activity and behavior. Varying vibration intensity of the second stimulus induced systematic biases in temporal judgments, and corresponding biases in multiple features of DLS activity during stimulus presentation, including population coding of time. In contrast, the same intensity manipulations applied to the first stimulus affected neither behavior nor neural activity. Furthermore, neuronal response profiles were best described as a continuum, arguing against hypotheses where categories of responses, e.g., ramping activity, selectively underpin temporal processing. These data represent important additional evidence that striatal population dynamics support the organization of behavior by mapping temporal information to action.

The striatum is an input structure of the basal ganglia implicated in several time-dependent functions including reinforcement learning, decision making, and interval timing. To determine whether striatal ensembles drive subjects' judgments of duration, we manipulated and recorded from striatal neurons in rats performing a duration categorization psychophysical task. We found that the dynamics of striatal neurons predicted duration judgments, and that simultaneously recorded ensembles could judge duration as well as the animal. Furthermore, striatal neurons were necessary for duration judgments, as muscimol infusions produced a specific impairment in animals' duration sensitivity. Lastly, we show that time as encoded by striatal populations ran faster or slower when rats judged a duration as longer or shorter, respectively. These results demonstrate that the speed with which striatal population state changes supports the fundamental ability of animals to judge the passage of time.

Abstract The manner in which neural activity unfolds over time is thought to be central to sensory, motor, and cognitive functions in the brain. Network models have long posited that the brain’s computations involve time courses of activity that are shaped by the underlying network. A prediction from this view is that the activity time courses should be difficult to violate. We leveraged a brain-computer interface (BCI) to challenge monkeys to violate the naturally-occurring time courses of neural population activity that we observed in motor cortex. This included challenging animals to traverse the natural time course of neural activity in a time-reversed manner. Animals were unable to violate the natural time courses of neural activity when directly challenged to do so. These results provide empirical support for the view that activity time courses observed in the brain indeed reflect the underlying network-level computational mechanisms that they are believed to implement.

Summary To generate movements, the brain must combine information about movement goal and body posture. Motor cortex (M1) is a key node for the convergence of these information streams. How are posture and goal information organized within M1’s activity to permit the flexible generation of movement commands? To answer this question, we recorded M1 activity while monkeys performed a variety of tasks with the forearm in a range of postures. We found that posture- and goal-related components of neural population activity were separable and resided in nearly orthogonal subspaces. The posture subspace was stable across tasks. Within each task, neural trajectories for each goal had similar shapes across postures. Our results reveal a simpler organization of posture information in M1 than previously recognized. The compartmentalization of posture and goal information might allow the two to be flexibly combined in the service of our broad repertoire of actions.