Las dimensiones transversales de los elementos estructurales en una estructura son elementos de diseño que deben ser cuidadosamente diseñados y están relacionados con la rigidez de la estructura. Se aplican varios procesos de optimización para determinar las dimensiones transversales óptimas de vigas o columnas en estructuras. Al repetir los procesos de optimización para múltiples escenarios de carga, es posible crear un conjunto de datos que muestre las propiedades óptimas de la sección de diseño. Sin embargo, este paso implica repetir los mismos procesos para producir las dimensiones transversales óptimas. La tecnología de inteligencia artificial ofrece una solución alternativa a esto al proporcionar la oportunidad de entrenarse con dimensiones transversales óptimas generadas previamente e inferir nuevas dimensiones transversales. Al procesar los datos, la red neuronal artificial puede generar modelos que predicen la sección transversal de un nuevo elemento estructural. En este estudio, se aplica un proceso de optimización a una columna tubular simple y a una viga en sección I, y los resultados se compilan para crear un conjunto de datos que presenta las dimensiones óptimas de la sección como una clase. Se utilizó el algoritmo de búsqueda de armonía (HS), que es un método metaheurístico, en la optimización. Se creó una red neuronal artificial (ANN) para predecir las dimensiones transversales de los elementos estructurales de muestra. Se aplicó el método de búsqueda de arquitectura de red neuronal (NAS), que incorpora muchos algoritmos metaheurísticos diseñados para buscar la mejor arquitectura de red neuronal artificial. En este método, se buscan los mejores valores de varios parámetros de la red neuronal, como la función de activación, el número de capas y neuronas, en el modelo con una herramienta llamada HyperNetExplorer. Se calcularon métricas del modelo para evaluar el éxito de la predicción del modelo desarrollado. Se obtiene una arquitectura de red neuronal efectiva para elementos de columna y viga.