Uma estrutura multiobjetivo guiada por IA para otimizar dimensões de janelas considerando demanda energética e conforto térmico

Por que o tamanho da janela importa mais do que você pensa

Quando imaginamos edifícios eficientes em energia, frequentemente pensamos em painéis solares ou isolamento espesso — mas janelas comuns silenciosamente determinam quanto de energia um edifício consome e quão confortável ele é. Este estudo investiga uma questão aparentemente simples, com grandes consequências práticas: qual deve ser a largura e a altura de uma janela de escritório para que as pessoas no interior se sintam confortáveis enquanto as contas de aquecimento e refrigeração do edifício permanecem em níveis controlados? Ao usar inteligência artificial para vasculhar milhares de opções de projeto, os pesquisadores mostram como janelas “no ponto certo” podem encontrar um equilíbrio inteligente entre conforto e consumo de energia em uma cidade quente e seca como Teerã.

Um edifício simples para responder a uma pergunta complicada

Para desvendar os efeitos do tamanho da janela, os autores partem de uma sala de escritório intencionalmente simples, de um andar, em forma de caixa. As paredes, o telhado, o piso e a orientação do edifício são todos fixos, e há apenas uma janela na fachada principal. As únicas variáveis são a largura e a altura da janela, que são variadas ao longo de um intervalo realista, de muito pequenas a bem grandes. Para cada uma das quase dez mil combinações de janelas, simulações computacionais estimam quanta energia o edifício precisa para resfriamento e aquecimento ao longo de um ano, e com que frequência as temperaturas internas ficam dentro de uma faixa de conforto que as pessoas provavelmente considerariam aceitável sem ar-condicionado. Essa configuração simplificada permite à equipe concentrar-se exclusivamente em como o tamanho da janela, por si só, remodela a demanda de energia e o conforto.

Deixando um cérebro artificial aprender os padrões

Executar milhares de simulações detalhadas consome tempo, e explorar ainda mais opções de projeto rapidamente se torna impraticável. Para acelerar o processo, os pesquisadores treinam uma rede neural artificial — um tipo de IA vagamente inspirado em como cérebros processam informação — para aprender com os resultados das simulações. Uma vez treinado, esse modelo “substituto” pode prever instantaneamente as necessidades de refrigeração e aquecimento e os níveis de conforto para qualquer novo tamanho de janela dentro do intervalo estudado. Testes mostram que suas previsões acompanham muito de perto os resultados das simulações originais, capturando mais de 99% da variação nas três medidas. Em outras palavras, a IA torna-se um substituto rápido e confiável para as simulações físicas mais lentas.

Procurando pelos melhores trade-offs, não por uma resposta perfeita

Com esse substituto digital rápido em funcionamento, a equipe recorre a métodos de busca evolutiva — algoritmos inspirados na seleção natural — para caçar tamanhos de janela que equilibrem objetivos conflitantes. Aqui os objetivos são reduzir a energia anual de resfriamento, reduzir a energia anual de aquecimento e aumentar a parcela de tempo em que as temperaturas internas se sentem confortáveis sem refrigeração mecânica. Como aumentar as janelas ajuda no inverno (mais sol e calor) mas atrapalha no verão (mais superaquecimento), não existe uma janela “melhor” única. Em vez disso, os algoritmos constroem uma família de projetos igualmente bons de compromisso, conhecida como frente de Pareto, na qual nenhuma opção pode ser melhorada em um objetivo sem piorar outro. Para este escritório específico em Teerã, janelas de tamanho intermediário surgem como o ponto ideal: mantêm a demanda por aquecimento muito mais baixa do que janelas pequenas, mantêm a demanda por resfriamento mais razoável do que as janelas maiores e fornecem níveis de conforto acima de cerca de 80% das horas ocupadas.

O que os resultados revelam sobre o tamanho da janela

Os padrões que emergem da busca guiada por IA são intuitivos, porém quantificáveis. À medida que a área da janela cresce, a energia anual de resfriamento sobe quase continuamente porque o vidro voltado para o sul admite mais calor solar durante a estação quente. Ao mesmo tempo, a energia de aquecimento cai porque a luz do sol no inverno fornece calor útil que mais do que compensa as perdas térmicas pelo vidro. A medida de conforto usada neste estudo — com que frequência as temperaturas internas ficam dentro de uma faixa de conforto adaptativa para espaços naturalmente ventilados — também aumenta com o tamanho da janela, principalmente porque janelas maiores capturam mais calor agradável em dias amenos. No entanto, esse índice não penaliza plenamente episódios breves ou superaquecimentos extremos, de modo que janelas muito grandes ainda podem ficar desconfortavelmente quentes em certos momentos, mesmo que pontuem bem na métrica de conforto escolhida. Essa nuance ressalta por que os projetistas devem tratar os resultados de conforto do estudo como orientação comparativa, e não como garantias absolutas.

Como isso ajuda projetistas e proprietários de edifícios

Para arquitetos, engenheiros e até proprietários de edifícios, a mensagem prática é direta: dimensionamento de janelas não é uma questão de “maior é sempre melhor” nem de “menor é sempre mais seguro”. Em vez disso, o estudo mostra que existe uma faixa de dimensões intermediárias de janela que oferece fortes benefícios de conforto ao mesmo tempo em que mantém a demanda energética sob controle, especialmente em climas com estações longas de aquecimento e períodos de resfriamento mais curtos e intensos, como em Teerã. Ao combinar simulações detalhadas, um modelo de IA que aprende rapidamente e busca evolutiva, a estrutura oferece aos projetistas um cardápio claro de opções de alto desempenho em vez de uma prescrição rígida única. Isso significa que eles podem pesar conforto, contas de energia e preferências estéticas lado a lado — usando dados, não achismos — ao decidir o tamanho das janelas em futuros edifícios.

Citação: 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

Palavras-chave: projeto de janela, energia de edifícios, conforto térmico, inteligência artificial, otimização multiobjetivo