إطار متعدد الأهداف مدفوع بالذكاء الاصطناعي لتحسين أبعاد النوافذ مع مراعاة الطلب على الطاقة والراحة الحرارية

لماذا حجم النافذة أهم مما تظن

عندما نتخيل مباني ذات كفاءة طاقية، غالبًا ما نفكر في الألواح الشمسية أو العزل السميك—لكن النوافذ العادية تلعب دورًا حاسمًا، بهدوء، في تحديد كمية الطاقة التي يستهلكها المبنى ومدى راحة القاطنين فيه. تبحث هذه الدراسة في سؤال يبدو بسيطًا لكنه ذا عواقب واقعية كبيرة: كم ينبغي أن تكون عرض وارتفاع نافذة مكتب حتى يشعر الناس بالراحة بينما تبقى فواتير التدفئة والتبريد تحت السيطرة؟ من خلال استخدام الذكاء الاصطناعي لفحص آلاف خيارات التصميم، يوضح الباحثون كيف أن النوافذ "المناسبة تمامًا" يمكن أن توازن بذكاء بين الراحة واستهلاك الطاقة في مدينة حارة وجافة مثل طهران.

مبنى بسيط لإجابة سؤال معقد

لفك تأثيرات حجم النافذة، يبدأ المؤلفون بغرفة مكتب طابقية واحدة وبسيطة متعمدة على شكل صندوق حذاء. الجدران والسقف والأرضية واتجاه المبنى كلها ثابتة، وهناك نافذة واحدة فقط في الواجهة الرئيسية. الأشياء الوحيدة التي تتغير هي عرض وارتفاع النافذة، اللذان يتفاوتان ضمن نطاق واقعي من صغير جدًا إلى كبير جدًا. لكل من ما يقرب من عشرة آلاف تركيبة نوافذ، تقدر محاكاة الحاسوب كمية الطاقة التي يحتاجها المبنى للتبريد والتدفئة على مدار السنة، ومدى تكرار وقوع درجات الحرارة الداخلية داخل نطاق راحة من المحتمل أن يجده الناس مقبولًا دون تكييف ميكانيكي. هذا الإعداد المجرد يتيح للفريق التركيز تمامًا على كيفية إعادة تشكيل حجم النافذة وحده لطلب الطاقة والراحة.

السماح لدماغ صناعي بتعلّم الأنماط

تشغيل آلاف المحاكيات التفصيلية يستغرق وقتًا طويلاً، واستكشاف المزيد من خيارات التصميم يصبح سريعًا غير عملي. لتسريع العملية، يدرب الباحثون شبكة عصبية اصطناعية—نوع من الذكاء الاصطناعي مستلهم بشكل فضفاض من كيفية معالجة الأدمغة للمعلومات—لتتعلم من نتائج المحاكاة. بمجرد أن تتدرب، يمكن لهذا النموذج "البديل" التنبؤ فورًا باحتياجات التبريد والتدفئة ومستويات الراحة لأي حجم نافذة جديد ضمن النطاق المدروس. تظهر الاختبارات أن تنبؤاته تتبع نتائج المحاكاة الأصلية عن كثب، حيث تفسر أكثر من 99% من التباين في المقاييس الثلاثة جميعها. بعبارة أخرى، يصبح الذكاء الاصطناعي بديلاً سريعًا وجديرًا بالثقة لمحاكيات الفيزياء الأبطأ.

البحث عن أفضل المقايضات، وليس عن إجابة واحدة مثالية

مع وجود هذا النموذج الرقمي السريع، يتجه الفريق إلى طرق البحث التطورية—خوارزميات مستوحاة من الانتقاء الطبيعي—للبحث عن أحجام نوافذ توازن بين أهداف متنافسة. هنا الأهداف هي تقليل طاقة التبريد السنوية، وتقليل طاقة التدفئة السنوية، وزيادة حصة الوقت التي يشعر فيها الداخل بالراحة دون تبريد ميكانيكي. لأن تكبير النوافذ يساعد في الشتاء (مزيد من الشمس والدفء) لكنه يضر في الصيف (مزيد من ارتفاع الحرارة)، فلا توجد نافذة "أفضل" وحيدة. بدلًا من ذلك، تبني الخوارزميات مجموعة من التصاميم المتوازنة المتساوية الأداء، المعروفة باسم جبهة باريتو، حيث لا يمكن تحسين أي خيار في هدف واحد دون جعل هدف آخر أسوأ. بالنسبة لهذا المكتب في طهران، تظهر النوافذ ذات الأحجام المتوسطة كنقطة توازن: فهي تبقي طلب التدفئة أقل بكثير من النوافذ الصغيرة، وتحافظ على طلب التبريد أكثر اعتدالًا من النوافذ الكبيرة جدًا، وتوفر مستويات راحة تفوق نحو 80% من ساعات الإشغال.

ما تكشفه النتائج عن حجم النافذة

الأنماط التي تظهر من البحث المدفوع بالذكاء الاصطناعي بديهية لكنها قابلة للقياس. مع نمو مساحة النافذة، يزداد استهلاك الطاقة السنوي للتبريد بشكل شبه مستمر لأن الزجاج المواجه للجنوب يسمح بدخول مزيد من الحرارة الشمسية خلال الموسم الحار. في الوقت نفسه، ينخفض استهلاك التدفئة لأن ضوء الشمس الشتوي يوفر دفءً مفيدًا يعوض أكثر من فقدان الحرارة عبر الزجاج. ومقياس الراحة المستخدم في هذه الدراسة—مدى تكرار وقوع درجات الحرارة الداخلية ضمن نطاق راحة تكيفي للمساحات ذات التهوية الطبيعية—يرتفع أيضًا مع حجم النافذة، أساسًا لأن النوافذ الأكبر تلتقط مزيدًا من دفء الطقس المعتدل. مع ذلك، لا يعاقب هذا المؤشر تمامًا حالات أو فترات الازدياد الحراري القصيرة أو الشديدة، لذا قد تظل النوافذ الكبيرة جدًا غير مريحة أحيانًا حتى لو حققت درجات جيدة على مقياس الراحة المختار. هذه الفروق الدقيقة تؤكد لماذا يجب على المصممين اعتبار نتائج الراحة في الدراسة إرشادًا مقارنًا بدلاً من ضمانات مطلقة.

كيف يساعد هذا المصممين ومالكي المباني

للْمُهندسين المعماريين والمهندسين وحتى مالكي المباني، الرسالة العملية واضحة: تحديد حجم النوافذ ليس مسألة "الأكبر دائمًا أفضل" أو "الصغير دائمًا أكثر أمانًا". بدلًا من ذلك، تُظهر الدراسة أن هناك نطاقًا من أبعاد النوافذ المتوسطة يوفر فوائد راحة قوية مع إبقاء طلب الطاقة تحت السيطرة، خاصة في المناخات ذات مواسم تدفئة طويلة وفترات تبريد أقصر وشديدة مثل طهران. من خلال الجمع بين محاكاة مفصلة، ونموذج ذكاء اصطناعي يتعلم بسرعة، وبحث تطوري، يمنح الإطار المصممين قائمة واضحة من الخيارات ذات الأداء العالي بدلاً من وصفة صارمة وحيدة. هذا يعني أنهم يمكنهم موازنة الراحة وفواتير الطاقة والتفضيلات الجمالية جنبًا إلى جنب—باستخدام بيانات، لا التخمين—عند تقرير مدى كبر النوافذ في المباني المستقبلية.

الاستشهاد: Nasab, S.M.R.A., Rabiei, H. An AI-driven multi-objective framework for optimizing window dimensions considering energy demand and thermal comfort. Sci Rep 16, 6365 (2026). https://doi.org/10.1038/s41598-026-39795-8

الكلمات المفتاحية: تصميم النوافذ, طاقة المباني, الراحة الحرارية, الذكاء الاصطناعي, التحسين متعدد الأهداف