Neural Architecture Search (NAS) 기법을 Graph Neural Networks (GNNs)에 효과적으로 적용하는 시도들이 효과적인 결과를 보여왔습니다. 이 논문에서는 GNN NAS에서의 문제들을 해결하기 위해 Efficient Graph Neural Architecture Search (EGNAS) 알고리즘을 제안합니다. EGNAS는 상속된 파라미터 공유와 half epochs 기법 등의 새로운 기법을 도입하여 아키텍처 탐색의 효율성과 다양성을 향상시킵니다. 더불어 하이퍼파라미터 탐색을 적용한 진화적 탐색을 통해 다양한 GNN 후보를 탐색합니다. 실험 결과는 EGNAS가 기존의 수작업 방법과 다른 GNN NAS 접근 방식에 비해 테스트 정확도와 탐색 시간 측면에서 우수한 성능을 보여줍니다. EGNAS는 성능과 계산 효율성 사이의 균형을 맞추면서 최적의 그래프 신경망 아키텍처를 발견하기 위한 효과적이고 효율적인 솔루션을 제공합니다.