Аннотация:Проблема моделирования нейронных процессов активно разрабатывается в нейронауке уже более 60 лет (Gerstner and Kistler, 2002). Создаются модели как ориентированные на соответствие экспериментальным данным нейрофизиологии (Izhikevich, 2010), так и направленные на воспроизведение информационных процессов с помощью «нейроподобных элементов. Масштаб моделируемых процессов варьируется от функций единичного нейрона (Koch et al., 1998) до популяционной динамики (Amari, 1977). Если обозначить проблемное поле как изучение связи между нейронными и психическими процессами в терминах информационных систем, то одной из важных теоретических проблем является изучение механизмов научения и памяти – как психической функции, обеспечивающей временную динамику, и, соответственно, возможность изменения поведения (или характера протекания психических процессов) в зависимости от опыта. Эта же временная динамика на нейрофизиологическом уровне представлена механизмами пластичности нейрональной активности, то есть «способности нервных клеток менять свою активность в ряду сочетаний подкреплений и стимулов» (Александров, 2014). Ряд феноменов пластичности изучен с позиций электрофизиологии (Wells, 2003), биофизики (Мурзина, 1997) и генетики (Anokhin et al., 2005), и достаточно успешно воспроизводится существующими моделями (Szatmary, Izhikevich, 2010). В данной работе мы предлагаем модель, построенную на клеточных автоматах (Тоффоли, Марголус, 1991) – такой выбор математического аппарата обусловлен вычислительной простотой, так как оперирует дискретными состояниями и временем и возможностью прозрачной реализации модульной структуры, позволяющей произвольно менять детализацию модели в зависимости от стоящей перед исследователем задачи.