본 논문은 생물학적 영감을 받은 신경망(Bio-inspired neural networks)의 정확도와 확장성을 향상시키기 위해, 신경망 구조 탐색(Neural Architecture Search, NAS)을 이용하여 각 층에 다른 생물학적 학습 규칙을 적용하는 방법을 제시합니다. 기존 NAS 기반 모델의 검색 공간을 확장하여 다양한 생물학적 학습 규칙을 포함하고, NAS를 통해 각 층에 최적의 구조와 학습 규칙을 자동으로 찾습니다. 실험 결과, 각 층에 다른 생물학적 학습 규칙을 사용하는 신경망이 단일 규칙을 사용하는 경우보다 더 높은 정확도를 달성함을 보여줍니다. CIFAR-10, CIFAR-100, ImageNet16-120, ImageNet 데이터셋에서 기존 생물학적 영감 모델의 최고 성능을 갱신하였으며, 일부 경우에는 역전파 기반 네트워크를 능가하는 성능을 보였습니다. 이는 층별 학습 규칙의 다양성이 확장성과 정확도 향상에 기여함을 시사합니다.
