מסגרת מרובת-מטרות מונחית בינה מלאכותית לאופטימיזציה של ממדי חלונות תוך התחשבות בביקוש אנרגטי ונוחות תרמית

מדוע גודל החלון חשוב יותר ממה שנדמה

כשאנחנו מדמיינים מבנים חסכוניים באנרגיה, לעתים קרובות עולים בראשנו פאנלים סולאריים או בידוד עבה — אך חלונות שגרתיים בהחלט יכולים לקבוע אם בניין צורך הרבה אנרגיה והאם הוא מרגיש נעים. המחקר הזה בוחן שאלה שנראית פשוטה אך לה השלכות ממשיות: כמה רחב וכמה גבוה צריך להיות חלון משרד כדי שאנשים בפנים ירגישו נוח בעוד חשבונות החימום והקירור של הבניין נשארים מבוקרים? באמצעות בינה מלאכותית שממיינת אלפי אפשרויות עיצוב, המחברים מראים כיצד חלונות "בדיוק-כמו-שצריך" יכולים להשיג איזון חכם בין נוחות לשימוש באנרגיה בעיר חמה ויבשה כמו טהראן.

מבנה פשוט כדי לענות על שאלה מסובכת

כדי לפענח את השפעות גודל החלון, המחברים מתחילים עם חדר משרדי בקומה אחת שנעשה בכוונה פשוט—צורת תיבת נעל. הקירות, הגג, הרצפה וכיוון הבניין קבועים, ויש רק חלון אחד בפאדית הראשית. המשתנים היחידים הם רוחב וגובה החלון, שמגוונים בטווח ריאלי בין קטן יחסית לגדול מאוד. עבור כמעט עשרת אלפים צירופי חלונות, סימולציות מחשב מעריכות כמה אנרגיה הבניין צריך לקירור ולחימום במשך שנה, וכמה פעמים טמפרטורת הפנים נמצאת בטווח נוחות שסביר שאנשים ימצאו מקובל ללא מזגן. ההכנה המצומצמת הזו מאפשרת לצוות להתמקד באופן חד-משמעי כיצד גודל החלון לבדו משנה את ביקוש האנרגיה והנוחות.

לאפשר למוח מלאכותי ללמוד את הדפוסים

הרצת אלפי סימולציות מפורטות לוקחת זמן, וחקר עוד אפשרויות עיצוב במהירות נעשה בלתי מעשי. כדי להאיץ את התהליך, החוקרים מאמנים רשת עצבית מלאכותית—סוג בינה מלאכותית המעוצב בעקיפין על פי אופן עיבוד המידע במוח—ללמוד מתוך תוצאות הסימולציות. לאחר האימון, "מודל תחלופה" זה יכול לחזות מיד את צרכי הקירור והחימום ורמות הנוחות לכל גודל חלון חדש בטווח הנחקר. מבחנים מראים שהתחזיות שלו עוקבות אחרי תוצאות הסימולציות הפיזיקליות המקוריות באופן מדויק מאוד, ולוכדות יותר מ-99% מהשונות בשלושת המדדים. במילים אחרות, ה-AI הופך לעמדה מהירה ואמינה במקום הסימולציות האיטיות יותר.

חיפוש אחרי הפשרות הטובות ביותר, לא תשובה מושלמת יחידה

עם המודל הדיגיטלי המהיר הזה, הצוות פונה לשיטות חיפוש אבולוציוניות—אלגוריתמים המושפעים מבחירה טבעית—כדי לצוד גדלים של חלונות שמאזנים מטרות מנוגדות. כאן המטרות הן להקטין את אנרגיית הקירור השנתית, להקטין את אנרגיית החימום השנתית, ולהגדיל את חלק הזמן שבו טמפרטורות הפנים מרגישות נוחות ללא קירור מכני. מכיוון שהגדלת החלונות מועילה בחורף (יותר שמש וחום) אך מזיקה בקיץ (יותר התחממות יתר), אין חלון "הכי טוב" יחיד. במקום זאת, האלגוריתמים בונים משפחה של עיצובים הפשרים שווים, הידועים כחזית פארטו, שבה אין אפשרות לשפר מטרה אחת מבלי לפגוע באחרת. עבור המשרד הספציפי הזה בטהראן, חלונות בגודל בינוני יוצאים כנקודת הזהב: הם שומרים על דרישת חימום נמוכה בהרבה לעומת חלונות קטנים, שומרים על דרישת קירור סבירה יותר בהשוואה לחלונות הגדולים ביותר, ומספקים רמות נוחות שמעל לכ-80% משעות האכלוס.

מה התוצאות מגלה לגבי גודל החלון

הדפוסים שעולים מהחיפוש המונחה בינה מלאכותית הם אינטואיטיביים אך כמותיים. ככל שמשטח החלון גדל, אנרגיית הקירור השנתית עולה כמעט בהתמדה מכיוון שהזכוכית הפונה דרומה מאפשרת כניסת חום סולארי רבה יותר בעונה החמה. באותו זמן, אנרגיית החימום יורדת מפני שקרני השמש בחורף מספקות חום שימושי שמכסה יותר מאובדן החום דרך הזכוכית. מדד הנוחות שבו השתמשו במחקר—תדירות שבה טמפרטורות הפנים נופלות בתוך רצועת נוחות אדפטיבית למרחבים המאווררים באופן טבעי—גם הוא עולה עם גודל החלון, בעיקר משום חלונות גדולים תופסים יותר חום של מזג אוויר מתון. עם זאת, מדד זה אינו מקנש במלואו התחממות קיצונית או קצרה, כך שחלונות מאוד גדולים עלולים עדיין להיות לא נוחים בחום מסוים, אפילו אם הם מקבלים ציון טוב במדד הנבחר. הניואנס הזה מדגיש מדוע מעצבים צריכים להתייחס לתוצאות הנוחות של המחקר כהנחיה השוואתית ולא כהבטחה מוחלטת.

איך זה עוזר למעצבים ובעלי בניינים

לאדריכלים, מהנדסים ואף לבעלי בניינים, המסר המעשי פשוט: קביעת גודל חלון אינה עניין של "ככל שגדול יותר טוב" או "ככל שקטן יותר בטוח". במקום זאת, המחקר מראה שיש טווח של ממדי חלונות בינוניים שנותן יתרונות נוחות משמעותיים תוך שמירה על ביקוש אנרגיה מבוקר, במיוחד באקלימים עם עונות חימום ארוכות ותקופות קירור קצרות אך אינטנסיביות כמו טהראן. על ידי שילוב סימולציות מפורטות, מודל AI שלומד במהירות וחיפוש אבולוציוני, המסגרת מעניקה למעצבים תפריט ברור של אפשרויות בעלות ביצועים גבוהים במקום מתווה יחיד נוקשה. זאת מאפשרת להם לשקול נוחות, חשבונות אנרגיה והעדפות אסתטיות זה לצד זה—בעזרת נתונים ולא בלית ברירה—כשמחליטים כמה גדולים יהיו החלונות בבניינים עתידיים.

ציטוט: 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

מילות מפתח: עיצוב חלונות, אנרגיית בניין, נוחות תרמית, בינה מלאכותית, אופטימיזציה מרובת-מטרות