En AI-driven ram för multiobjektiv optimering av fönsterdimensioner med hänsyn till energibehov och termisk komfort

Varför fönsterstorlek spelar större roll än du tror

När vi föreställer oss energieffektiva byggnader tänker vi ofta på solpaneler eller tjock isolering — men vanliga fönster påverkar tyst och avgörande hur mycket energi en byggnad förbrukar och hur bekväm den upplevs. Denna studie undersöker en till synes enkel fråga med stora praktiska konsekvenser: hur breda och höga bör kontorsfönster vara för att de som vistas inomhus ska känna sig bekväma samtidigt som byggnadens värme- och kylkostnader hålls under kontroll? Genom att använda artificiell intelligens för att sålla bland tusentals designalternativ visar forskarna hur "lagom" fönster kan skapa en smart balans mellan komfort och energianvändning i en varm, torr stad som Teheran.

En enkel byggnad för att besvara en knepig fråga

För att reda ut effekterna av fönsterstorlek börjar författarna med ett avsiktligt enkelt ettplans kontorsrum formad som en skokartong. Väggar, tak, golv och byggnadens orientering är fasta, och det finns bara ett fönster i huvudsakliga fasaden. De enda variablerna är fönstrets bredd och höjd, som varierar över ett realistiskt intervall från ganska små till mycket stora. För nästan tiotusen fönsterkombinationer uppskattar datorbaserade simuleringar hur mycket energi byggnaden behöver för kyla och värme under ett år, och hur ofta inomhustemperaturerna ligger inom ett komfortband som människor sannolikt uppfattar som acceptabelt utan luftkonditionering. Denna avskalade uppställning låter teamet fokusera helt på hur enbart fönsterstorleken omformar energibehov och komfort.

Låta en artificiell hjärna lära sig mönstren

Att köra tusentals detaljerade simuleringar tar tid, och att utforska ännu fler designalternativ blir snabbt opraktiskt. För att snabba upp processen tränar forskarna ett artificiellt neuralt nätverk — en typ av AI löst inspirerad av hur hjärnor bearbetar information — för att lära sig från simuleringsresultaten. När detta "surrogat"-modell är tränad kan det omedelbart förutsäga kyl- och värmebehov samt komfortnivåer för vilken ny fönsterstorlek som helst inom det studerade intervallet. Tester visar att dess förutsägelser följer de ursprungliga simuleringsresultaten mycket nära och fångar mer än 99 % av variationen i alla tre måtten. Med andra ord blir AI:n en snabb, pålitlig ersättning för de långsammare fysikbaserade simuleringarna.

Söka efter bästa avvägningar, inte en enda perfekt lösning

Med denna snabba digitala ersättning på plats vänder sig teamet till evolutionära sökmetoder — algoritmer inspirerade av naturligt urval — för att leta efter fönsterstorlekar som balanserar konkurrerande mål. Här är målen att minska årlig kylenergi, minska årlig värmeenergi och öka andelen tid då inomhustemperaturer känns bekväma utan mekanisk kyla. Eftersom större fönster hjälper på vintern (mer sol och värme) men stjälper på sommaren (mer överhettning) finns det inget enda "bästa" fönster. I stället bygger algoritmerna en familj av likvärdiga kompromisslösningar, känd som en Pareto-front, där inget alternativ kan förbättras i ett mål utan att göra ett annat sämre. För just detta kontor i Teheran framträder fönster av medelstorlek som den bästa kompromissen: de håller värmebehovet mycket lägre än små fönster, håller kylbehovet mer rimligt än de största fönstren och ger komfortnivåer över ungefär 80 % av de ockuperade timmarna.

Vad resultaten avslöjar om fönsterstorlek

Mönstren som framträder från den AI-drivna sökningen är intuitiva men kvantifierbara. När fönsterarean ökar stiger den årliga kylningsenergin nästan stadigt eftersom den södervända glasytan släpper in mer solvärme under den varma säsongen. Samtidigt sjunker värmeenergin eftersom vinterljus ger användbar värme som mer än kompenserar för värmeförluster genom glaset. Komfortmåttet som används i denna studie — hur ofta inomhustemperaturerna ligger inom ett adaptivt komfortband för naturligt ventilerade utrymmen — ökar också med fönsterstorleken, främst eftersom större fönster fångar mer mildvädervärme. Detta index straffar dock inte fullt ut kortvarig eller extrem överhettning, så mycket stora fönster kan ändå upplevas som obekvämt varma ibland, även om de får bra resultat på den valda komfortmetriska. Denna nyans understryker varför utformare bör betrakta studiens komfortresultat som jämförande vägledning snarare än absoluta garantier.

Hur detta hjälper formgivare och fastighetsägare

För arkitekter, ingenjörer och även fastighetsägare är det praktiska budskapet enkelt: fönsterstorlek är inte en fråga om "större är alltid bättre" eller "litet är alltid säkrare." Istället visar studien att det finns ett intervall av medelstora fönsterdimensioner som ger starka komfortfördelar samtidigt som energibehovet hålls i schack, särskilt i klimat med långa uppvärmningssäsonger och kortare, intensiva kylperioder som i Teheran. Genom att kombinera detaljerade simuleringar, en snabbinlärande AI-modell och evolutionär sökning ger ramverket formgivare en tydlig meny av högpresterande alternativ snarare än ett enda stelt recept. Det innebär att de kan väga komfort, energikostnader och estetiska preferenser sida vid sida — med data istället för gissningar — när de bestämmer hur stora fönstren i framtida byggnader ska vara.

Citering: 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

Nyckelord: fönsterdesign, byggnadsenergi, termisk komfort, artificiell intelligens, multiobjektiv optimering