Se utilizan varios métodos para prevenir el deterioro de las propiedades biotecnológicas de la levadura de cerveza durante el almacenamiento. Este artículo estudió el uso de redes neuronales artificiales para el modelado matemático de la corrección de la actividad biosintética de la levadura de semilla de cerveza de la raza C34 durante el almacenamiento con minerales naturales. Los parámetros de entrada para las redes neuronales artificiales fueron el medio de suspensión (agua, mosto de cerveza o cerveza joven); el tipo de toba que contiene zeolita de depósitos siberianos; el contenido de toba (0.5-4% del volumen total de la suspensión); y la duración del almacenamiento (3 días). Los parámetros de salida fueron el número de células de levadura con glucógeno, células en gemación y células muertas. En la levadura almacenada con tobas, el número de células en gemación aumentó de 1.2 a 2.5 veces, y el número de células con glucógeno aumentó entre 9 y 190% en comparación con la muestra de control (sin toba). La presencia de zeolita kholinskiy y tobas shivyrtuin resultó en un efecto significativo. Se requerían redes neuronales artificiales para resolver las tareas de regresión y predecir los parámetros de salida basados en los parámetros de entrada. Se crearon cuatro redes: ANN1 (error relativo medio = 4.869%) modeló los valores de todos los parámetros de salida; ANN2 (ERM = 1.8381%) modeló el número de células con glucógeno; ANN3 (ERM = 6.2905%) modeló el número de células en gemación; y ANN4 (ERM = 4.2191%) modeló el número de células muertas. Luego se determinaron los parámetros óptimos para el almacenamiento de levadura. Como resultado, se demostró la posibilidad de utilizar redes neuronales artificiales para el modelado matemático de desviaciones no deseadas en los parámetros fisiológicos de la levadura de semilla de cerveza durante el almacenamiento con minerales naturales.