본 논문은 신경망 구조 탐색(NAS)의 효율성을 높이기 위해, 다중 목적 최적화를 고려한 새로운 알고리즘인 SMEM-NAS를 제안합니다. SMEM-NAS는 건축물의 절대 정확도 대신 쌍대 비교 관계를 기반으로 한 대리 모델을 사용하여 정확도 순위를 예측합니다. 또한, 주요 개체군과 보조 개체군의 협업을 통해 다양성을 확보하고 진화 과정을 안내합니다. CIFAR-10, CIFAR-100, ImageNet 데이터셋을 이용한 실험 결과, SMEM-NAS는 단일 GPU로 0.17일 만에 ImageNet에서 MAdds 570M, 정확도 78.91%를 달성하는 경쟁력 있는 아키텍처를 발견했습니다. 이는 기존 NAS의 계산 비용 및 시간 문제를 효과적으로 해결하고, 정확도뿐 아니라 네트워크 크기 및 효율성까지 고려한 고성능 모델을 제공하는 데 기여합니다.
