Un quadro multi-obiettivo guidato dall’IA per ottimizzare le dimensioni delle finestre considerando il fabbisogno energetico e il comfort termico

Perché la dimensione delle finestre conta più di quanto si pensi

Quando immaginiamo edifici a basso consumo energetico, spesso pensiamo a pannelli solari o a un buon isolamento — ma le finestre ordinarie determinano silenziosamente quanta energia consuma un edificio e quanto risulta confortevole. Questo studio affronta una domanda apparentemente semplice ma con grandi implicazioni pratiche: quanto dovrebbero essere larghe e alte le finestre di un ufficio affinché le persone al suo interno si sentano a proprio agio e i costi di riscaldamento e raffreddamento restino contenuti? Utilizzando l’intelligenza artificiale per vagliare migliaia di opzioni progettuali, i ricercatori mostrano come finestre “giuste” possano trovare un equilibrio intelligente tra comfort e consumo energetico in una città calda e secca come Teheran.

Un edificio semplice per rispondere a una domanda complessa

Per districare gli effetti della dimensione delle finestre, gli autori partono da una stanza ufficio a un piano, volutamente semplice, a forma di scatola. Pareti, tetto, pavimento e orientamento dell’edificio sono tutti fissati, e c’è una sola finestra sulla facciata principale. Gli unici parametri che cambiano sono la larghezza e l’altezza della finestra, variate su un intervallo realistico da piuttosto piccolo a molto grande. Per ciascuna delle quasi diecimila combinazioni vengono eseguite simulazioni al computer che stimano il fabbisogno energetico annuo per raffreddamento e riscaldamento e quanto spesso le temperature interne rientrano in una fascia di comfort che le persone probabilmente troverebbero accettabile senza aria condizionata. Questa configurazione essenziale permette al team di concentrarsi esclusivamente su come la sola dimensione della finestra modella la domanda energetica e il comfort.

Lasciare che un cervello artificiale impari i pattern

Eseguire migliaia di simulazioni dettagliate richiede tempo, ed esplorare ancora più opzioni progettuali diventa rapidamente impraticabile. Per accelerare il processo, i ricercatori addestrano una rete neurale artificiale — un tipo di IA vagamente ispirata al funzionamento del cervello — a imparare dai risultati delle simulazioni. Una volta addestrato, questo modello “surrogato” può prevedere istantaneamente fabbisogni di raffreddamento e riscaldamento e livelli di comfort per qualsiasi nuova dimensione di finestra all’interno dell’intervallo studiato. I test mostrano che le sue previsioni seguono molto da vicino i risultati delle simulazioni originali, catturando oltre il 99% della variabilità nelle tre misure. In altre parole, l’IA diventa un sostituto rapido e affidabile per le simulazioni fisiche più lente.

Cercare i migliori compromessi, non una soluzione perfetta

Con questo sostituto digitale veloce, il team ricorre a metodi di ricerca evolutiva — algoritmi ispirati alla selezione naturale — per cercare le dimensioni delle finestre che bilanciano obiettivi in conflitto. Gli obiettivi qui sono ridurre il consumo annuo per raffreddamento, ridurre il consumo annuo per riscaldamento e aumentare la frazione di tempo in cui le temperature interne risultano confortevoli senza raffrescamento meccanico. Poiché ingrandire le finestre aiuta in inverno (più sole e calore) ma penalizza in estate (surriscaldamento), non esiste una finestra “migliore” in assoluto. Invece, gli algoritmi costruiscono una famiglia di progetti di compromesso equivalenti, nota come fronte di Pareto, dove nessuna opzione può essere migliorata in un obiettivo senza peggiorarne un’altra. Per questo specifico ufficio a Teheran emergono finestre di dimensione intermedia come soluzione ottimale: riducono notevolmente la domanda di riscaldamento rispetto alle finestre piccole, mantengono il fabbisogno di raffreddamento più contenuto rispetto alle finestre più grandi e offrono livelli di comfort superiori a circa l’80% delle ore occupate.

Cosa rivelano i risultati sulla dimensione delle finestre

I pattern che emergono dalla ricerca guidata dall’IA sono intuitivi ma quantificabili. All’aumentare dell’area finestrata, l’energia di raffreddamento annua cresce quasi costantemente perché il vetro esposto a sud introduce più calore solare nella stagione calda. Allo stesso tempo, l’energia per il riscaldamento diminuisce perché la luce solare invernale apporta calore utile che compensa più che adeguatamente le perdite attraverso il vetro. La misura di comfort utilizzata nello studio — la frequenza con cui le temperature interne rientrano in una banda di comfort adattiva per spazi naturalmente ventilati — aumenta anch’essa con la dimensione della finestra, principalmente perché finestre più grandi catturano più calore nelle stagioni miti. Tuttavia, questo indice non penalizza completamente episodi brevi o surriscaldamenti estremi, quindi finestre molto grandi possono comunque risultare sgradevolmente calde in certi momenti, anche se ottengono punteggi elevati sulla metrica di comfort scelta. Questa sfumatura sottolinea perché i progettisti dovrebbero considerare i risultati sul comfort come orientamenti comparativi piuttosto che come garanzie assolute.

Come questo aiuta progettisti e proprietari di edifici

Per architetti, ingegneri e persino proprietari di edifici, il messaggio pratico è chiaro: dimensionare le finestre non è una questione di “più grande è sempre meglio” o “più piccolo è sempre più sicuro”. Lo studio mostra che esiste una fascia di dimensioni intermedie che offre forti benefici in termini di comfort mantenendo sotto controllo la domanda energetica, soprattutto in climi con lunghe stagioni di riscaldamento e periodi di raffreddamento più brevi ma intensi, come a Teheran. Combinando simulazioni dettagliate, un modello IA che impara rapidamente e una ricerca evolutiva, il quadro fornisce ai progettisti un menu chiaro di opzioni ad alte prestazioni piuttosto che una prescrizione rigida. Ciò permette di mettere a confronto comfort, bollette energetiche e preferenze estetiche — con dati, non con ipotesi — quando si decide quanto grandi fare le finestre negli edifici futuri.

Citazione: 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

Parole chiave: progettazione delle finestre, energia negli edifici, comfort termico, intelligenza artificiale, ottimizzazione multi-obiettivo