Interactive

⚠️ 以下所有内容总结都来自于 大语言模型的能力，如有错误，仅供参考，谨慎使用
🔴 请注意：千万不要用于严肃的学术场景，只能用于论文阅读前的初筛！
💗 如果您觉得我们的项目对您有帮助 ChatPaperFree ，还请您给我们一些鼓励！⭐️ HuggingFace免费体验

2025-11-25 更新

Generating transition states of chemical reactions via distance-geometry-based flow matching

Authors:Yufei Luo, Xiang Gu, Jian Sun

Transition states (TSs) are crucial for understanding reaction mechanisms, yet their exploration is limited by the complexity of experimental and computational approaches. Here we propose TS-DFM, a flow matching framework that predicts TSs from reactants and products. By operating in molecular distance geometry space, TS-DFM explicitly captures the dynamic changes of interatomic distances in chemical reactions. A network structure named TSDVNet is designed to learn the velocity field for generating TS geometries accurately. On the benchmark dataset Transition1X, TS-DFM outperforms the previous state-of-the-art method React-OT by 30% in structural accuracy. These predicted TSs provide high-quality initial structures, accelerating the convergence of CI-NEB optimization. Additionally, TS-DFM can identify alternative reaction paths. In our experiments, even a more favorable TS with lower energy barrier is discovered. Further tests on RGD1 dataset confirm its strong generalization ability on unseen molecules and reaction types, highlighting its potential for facilitating reaction exploration.

过渡态（TSs）对于理解反应机制至关重要，然而其探索受到实验和计算方法复杂性的限制。在这里，我们提出了TS-DFM，这是一种从反应物和产物预测过渡态的流匹配框架。通过在分子距离几何空间中进行操作，TS-DFM明确地捕获了化学反应中原子间距离的动态变化。设计了一种名为TSDVNet的网络结构，以学习速度场，从而准确生成过渡态几何结构。在基准数据集Transition1X上，TS-DFM在结构准确性方面比现有最佳方法React-OT高出30%。这些预测的过渡态为CI-NEB优化提供了高质量的初始结构，加速了收敛。此外，TS-DFM能够识别替代反应路径。在我们的实验中，甚至发现了能量壁垒更低的更有利的过渡态。对RGD1数据集的进一步测试证实了其在未见过的分子和反应类型上的强大泛化能力，突显了其在促进反应探索方面的潜力。

论文及项目相关链接

PDF

Summary

该文提出了一种名为TS-DFM的过渡态预测框架，用于从反应物和产物预测过渡态。该框架通过操作分子距离几何空间，显式捕获化学反应中间原子距离的动态变化。实验结果表明，TS-DFM在Transition1X基准测试集上的结构精度高于前一流方法React-OT，预测精度提高了30%。这些预测的过渡态提供了高质量的初始结构，加速了CI-NEB优化的收敛。此外，TS-DFM还能发现替代反应路径，甚至找到能量壁垒更低的更有利过渡态。在RGD1数据集上的进一步测试证明了其在未见分子和反应类型上的强大泛化能力。

Key Takeaways

1. TS-DFM是一种用于预测化学反应中过渡态的框架。
2. 该框架通过操作分子距离几何空间，显式捕获原子距离的动态变化。
3. TS-DFM在Transition1X基准测试集上的预测精度高于现有方法。
4. TS-DFM提供的预测过渡态加速了对化学反应的优化过程。
5. TS-DFM能够发现替代反应路径，包括能量壁垒更低的路径。
6. TS-DFM在未见分子和反应类型上表现出强大的泛化能力。

Cool Papers

点此查看论文截图