Π-modelは一貫性に基づいた半教師あり学習法であり，データ拡張やモデルなど主要な構成要素を工夫することで他の従来法へと派生する．また，FixMatchは従来のデータ拡張法と擬似ラベリングを組み合わせて高精度化を図った．これらの半教師学習における従来の学習法における構成は人が設計したものであり，最適な学習法であるとは限らない．本研究では，従来法を内包しつつ，新たな半教師あり学習法の探索を目的とする．従来の相互学習を内包する知識転移グラフに一貫性損失や擬似ラベリング，その他従来法の主要な構成要素を導入し，グラフ構造を探索することで，従来法より高精度な半教師あり学習法を探索する．CIFAR-100等各種データセットを用いた探索と評価実験から，従来の半教師あり学習法よりも高精度になることを確認した．
