يُعد الالتزام بعدة قيود في الاستخدام العملي للشبكات العصبية، مثل زمن الاستجابة (latency) والطاقة (energy) وذاكرة التخزين (memory) وغيرها، أمرًا شائعًا. إحدى الطرق الشائعة لاكتشاف الشبكات المناسبة هي استخدام البحث المعماري العصبي المُقيد (Constrained Neural Architecture Search - NAS)، لكن الطرق السابقة تُطبّق هذه القيود بشكل غير صارم. نتيجة لذلك، لا تلتزم الشبكات الناتجة بدقة بالقيود الموارد، مما يؤدي إلى تراجع دقة الأداء. في هذا العمل، نحل هذه المشكلة من خلال تقديم طريقة جديدة تُسمى "البحث المعماري العصبي القابل للتمايز المُقيد صارمًا" (Hard Constrained diffeRentiable NAS - HardCoRe-NAS)، والتي تعتمد على صيغة دقيقة لحساب الطلب المتوقع على الموارد، بالإضافة إلى منهجية بحث قابلة للتوسع تضمن الالتزام الصارم بالقيود طوال عملية البحث. تُظهر نتائج تجاربنا أن HardCoRe-NAS تُنتج هياكل معمارية من الطراز الرائد، وتتفوق على الطرق الأخرى في البحث المعماري العصبي، مع الالتزام الصارم بالقيود الموارد دون الحاجة إلى أي ضبط يدوي.