ニューラルネットワークは困難な問題の解決に効果的であることが証明されていますが、そのアーキテクチャを設計することは、画像分類問題に限っても挑戦的です。私たちの目標は、人間の参加を最小限に抑えることです。そのため、進化アルゴリズムを用いてこれらのネットワークを自動的に発見する方法を採用しています。計算量が多大であるにもかかわらず、最近1年間に公表されたモデルの精度範囲内でのモデルの進化が可能になったことを示しています。具体的には、単純な進化技術を前例のない規模で用いて、CIFAR-10およびCIFAR-100データセット向けのモデルを発見しました。初期条件は極めて単純なものから始め、それぞれ94.6%（アンサンブルでは95.6%）と77.0%の精度に達しました。これを行うために、大規模な探索空間をナビゲートする新しいかつ直感的な突然変異演算子を使用しています。進化が始まった後は一切の人間の参加が必要なく、出力されるのは完全に学習済みのモデルであることを強調します。本研究においては、結果の一貫性、アウトカムの変動性、および計算要件に特に重点を置いています。