強化学習（RL）は近年、著しい進展を遂げてきた。その中で特に重要な進歩の一つは、ニューラルネットワークの広範な導入である。しかし、これらのニューラルネットワークのアーキテクチャは通常、手動で設計されている。本研究では、強化学習エージェントのアーキテクチャを最適化するために最近提案されたニューラルアーキテクチャ探索（NAS）手法を検討する。アタリベンチマーク上で実験を実施した結果、現代的なNAS手法が、手動で選定されたアーキテクチャを上回る性能を示すRLエージェントのアーキテクチャを発見できることを確認した。