يُحوّل البحث عن البنية العصبية (Neural Architecture Search) تصميم هياكل الشبكات العصبية الاصطناعية تلقائيًا عادةً من خلال استكشاف فضاء بحث هيكلي كبير ومتعدّد الأبعاد. ولتحسين عملية البحث عن البنية، نقدّم منهجية قائمة على تشتت الرسم البياني (graph diffusion-based NAS) تستخدم عمليات تشتت رسم بياني شرطي منفصلة لتوليد هياكل شبكات عصبية عالية الأداء. ثم نقترح منهجية توجيه بدون تصنيف متعدّد الشروط (multi-conditioned classifier-free guidance) المطبقة على الشبكات القائمة على تشتت الرسم البياني، بهدف تطبيق قيود مشتركة مثل الدقة العالية والتأخير المنخفض في الأجهزة. على عكس الدراسات السابقة، يختلف منهجنا تمامًا من حيث القابلية للتفاضل، ويحتاج فقط إلى تدريب نموذج واحد. في تقييماتنا، نُظهر نتائج واعدة على ستة معايير قياسية، حيث تم إنتاج هياكل جديدة وفريدة بسرعة كبيرة، أي أقل من 0.2 ثانية لكل هيكل. علاوةً على ذلك، نُثبت قابلية تعميم وفعالية منهجنا من خلال تجارب أجريناها على مجموعة بيانات ImageNet.