AutoEnergyDesign: агент-оптимизатор с циклом «предложил → прогнал → оставил или откатил» и файлами памяти

18–27 прогонов вместо ~190: агент на базе большой языковой модели (LLM) вышел к конфигурации в пределах 1% от лучшей. Из классических методов это смогла только эволюционная стратегия, и то в половине запусков. Метод позволяет подбирать параметры сложной системы, когда каждый прогон симулятора стоит минуты или часы, и при этом получать объяснение каждого шага. Фишка: решение «оставить или откатить» принимает скрипт, а не модель. Агент предлагает одно изменение, симулятор выдаёт число, а git сам откатывает неудачу. Модель не может сказать «в целом неплохо» и подгонять объяснение под результат.