نُطوّر إطارًا لاستكشاف البنية العصبية (NAS) لـ CycleGAN، يُنفّذ مهمة التحويل غير المرتبط للصور من صورة إلى أخرى. ليس من السهل توسيع التقنيات السابقة لاستكشاف البنية العصبية الخاصة بالشبكات التوليدية المتنافسة (GANs) لتطبيقها على CycleGAN نظرًا لاختلاف المهمة واتساع فضاء البحث. ولذلك، صممنا هياكل تتكون من بُنية متعددة من الخلايا البسيطة المستندة إلى ResNet، وطوّرنا طريقة استكشاف فعّالة تُمكّن من استكشاف فضاء البحث الواسع. ونُظهر أن إطارنا، المُسمّى CycleGANAS، لا يُكتشف بفعالية هياكل ذات أداء عالٍ تُعادل أو تفوق أداء CycleGAN الأصلي، بل يُعالج بنجاح مشكلة عدم التوازن في البيانات من خلال إجراء استكشاف منفصل للبنية لكل اتجاه تحويل. إلى حدّ معرفتنا، يُعدّ هذا أول نتيجة لاستكشاف البنية العصبية لـ CycleGAN، ويُقدّم رؤى مهمة حول تطبيق استكشاف البنية العصبية على الهياكل الأكثر تعقيدًا.