Zespół zaprezentował ENAS - framework do automatycznego projektowania architektur sieci neuronowych specjalnie dostosowany do wymagającego środowiska mikrokontrolerów z zasobami od 20 KB do 1 MB SRAM. W przeciwieństwie do istniejących rozwiązań NAS, które wymagają akceleracji GPU, ENAS działa efektywnie na samych procesorach CPU, co czyni go praktycznym narzędziem dla mniejszych zespołów deweloperskich i embedded development.
Framework łączy kilka innowacyjnych elementów. Statyczne sprawdzenie feasibility pozwala wcześnie odrzucić niewykonalne konfiguracje, zaś przeszukiwanie bazuje na modelach komórkowych obsługujących bloki standardowe, depthwise-separable i bottleneck z opcjonalnymi skip connections. Trzystopniowa strategia hybrydowa (losowe przeszukiwanie, wybór top-K kandydatów, mutacja) z persistent cross-run caching znacznie przyspieszył całą procedurę.
W testach na dwóch popularnych benchmark'ach TinyML ENAS pokazał średnie przyspieszenie poszukiwań o 2,41x dla Visual Wake Words i 1,70x dla Melanoma Cancer w porównaniu do NanoNAS, przy zachowaniu konkurencyjnej dokładności. Kluczową zaletą jest efektywność pamięciowa - modele wybrane przez ENAS wymagały zdecydowanie mniej peak activation RAM, co jest krytycznym ograniczeniem dla deployment'u na mikrokontrolerach. Na STM32H743 framework osiągnął 79,4% dokładność testową, przewyższając CPU-only baseline o 2,6 punktu procentowego. Kod ENAS został udostępniony open-source.