إكمال الحقائق المفقودة هو مهمة أساسية للمخططات الزمنية للمعرفة (TKGs). مؤخرًا، أصبحت الطرق المعتمدة على شبكات العصبونات الرسومية (GNN)، والتي يمكنها استكشاف المعلومات الطوبولوجية والزمنية بشكل متزامن، هي الأكثر تقدمًا (SOTA) لإكمال TKGs. ومع ذلك، تعاني هذه الدراسات من كونها تعتمد على هياكل مصممة يدويًا ولا تستطيع استكشاف الخصائص الطوبولوجية والزمنية المتنوعة لـ TKG. لحل هذه المشكلة، نقترح استخدام بحث هندسة الشبكات العصبية (NAS) لتصميم هياكل تمرير الرسائل الخاصة بالبيانات لإكمال TKGs. بشكل خاص، قمنا بتطوير إطار عام لاستكشاف المعلومات الطوبولوجية والزمنية في TKGs. بناءً على هذا الإطار، صممنا فضاء بحث معبرًا للتقاط الخصائص المختلفة لمخططات المعرفة الزمنية المختلفة بشكل كامل. وفي الوقت نفسه، اعتمدنا خوارزمية البحث التي تقوم بتدريب هيكل سوبرنت عن طريق أخذ عينة من المسار الواحد لتحقيق بحث فعال بأقل تكلفة. أجرينا أيضًا تجارب واسعة النطاق على ثلاثة مجموعات بيانات معيارية. أظهرت النتائج أن الهياكل التي تم البحث عنها بواسطة طريقتنا حققت أفضل الأداء (SOTA). بالإضافة إلى ذلك، يمكن للنماذج التي تم البحث عنها أيضًا الكشف الضمني عن الخصائص المتنوعة في مختلف TKGs. تم إطلاق شفرتنا المصدر في https://github.com/striderdu/SPA.