Integrating nudged elastic band with flow matching for enhanced transition state prediction

Übergangszustände chemischer Reaktionen bestimmen die Reaktionskinetik und sind für die Bestimmung von Reaktionsmechanismen von entscheidender Bedeutung. Jüngste Flow-Matching-Modelle wie GoFlow generieren Molekülgeometrien von Übergangszuständen aus 2D-Graphen in Sekundenschnelle, ignorieren jedoch die kontinuierliche geometrische Entwicklung entlang des Reaktionspfades. Diese Arbeit untersucht, ob die Integration von Zwischengeometrien aus Nudged Elastic Band (NEB)-Reaktionspfaden die Vorhersage von Übergangszustandsgeometrien in Flow-Matching-Modellen verbessern kann. Die GoFlow-Architektur wird erweitert, um multiple NEB-Bilder und kontinuierliche Reaktionspfade zu verarbeiten. Die Evaluierung erfolgt auf dem Transition1x-Datensatz, wobei Ablationsstudien zur Bildauswahl und zum Einfluss der Fehlerminimierung durchgeführt werden. Die NEB-verbesserte Flow-Matching-Methode erzielt einen sterischen Kollisionsfehler von 2,41 kcal/mol (43% Verbesserung gegenüber dem Basiswert von 4,21 kcal/mol). Die Ergebnisse zeigen, dass NEB-Pfad-Daten bei richtiger Integration eine günstigere räumliche Anordnung der Übergangszustandsvorhersage ermöglichen. Dies verbessert die Datennutzung aus quantenchemischen Berechnungen und zeigt einen Weg zu genaueren virtuellen Auswahlverfahren in der computergestützten Chemie auf.

Authors

Institutions

Publication Details

Journal
reposiTUm (TU Wien)
Published
2026-03-01
DOI
https://doi.org/10.34726/hss.2026.139520
Primary Topic
Machine Learning in Materials Science
Type
article
Field-Weighted Citation Impact
0.00
Controls
|||
ALL TIME
JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
article

Integrating nudged elastic band with flow matching for enhanced transition state prediction

Stephanie Gstöttenmayr
reposiTUm (TU Wien)
Machine Learning in Materials Science
article

Integrating nudged elastic band with flow matching for enhanced transition state prediction

Stephanie Gstöttenmayr
article en

Abstract

Übergangszustände chemischer Reaktionen bestimmen die Reaktionskinetik und sind für die Bestimmung von Reaktionsmechanismen von entscheidender Bedeutung. Jüngste Flow-Matching-Modelle wie GoFlow generieren Molekülgeometrien von Übergangszuständen aus 2D-Graphen in Sekundenschnelle, ignorieren jedoch die kontinuierliche geometrische Entwicklung entlang des Reaktionspfades. Diese Arbeit untersucht, ob die Integration von Zwischengeometrien aus Nudged Elastic Band (NEB)-Reaktionspfaden die Vorhersage von Übergangszustandsgeometrien in Flow-Matching-Modellen verbessern kann. Die GoFlow-Architektur wird erweitert, um multiple NEB-Bilder und kontinuierliche Reaktionspfade zu verarbeiten. Die Evaluierung erfolgt auf dem Transition1x-Datensatz, wobei Ablationsstudien zur Bildauswahl und zum Einfluss der Fehlerminimierung durchgeführt werden. Die NEB-verbesserte Flow-Matching-Methode erzielt einen sterischen Kollisionsfehler von 2,41 kcal/mol (43% Verbesserung gegenüber dem Basiswert von 4,21 kcal/mol). Die Ergebnisse zeigen, dass NEB-Pfad-Daten bei richtiger Integration eine günstigere räumliche Anordnung der Übergangszustandsvorhersage ermöglichen. Dies verbessert die Datennutzung aus quantenchemischen Berechnungen und zeigt einen Weg zu genaueren virtuellen Auswahlverfahren in der computergestützten Chemie auf.

reposiTUm (TU Wien)
TU Wien (AT)
Openalex Percentile: Top 10%
Machine Learning in Materials Science
AI Navigator

Ask Laika to Summarize, Analyze, and Connect papers live on the map.

Summarize Papers & Methodologies

Extract key findings, datasets, and comparative methods across publications.

Benchmark Rankings & Visual Analytics

Rank top research institutions, authors, funders, topics, and journals by Field-Weighted Citation Impact (FWCI) and paper volume with instant charts.

Connect Distant Disciplines

Bridge topological clusters on the map to find hidden collaborative intersections.

Integrating nudged elastic band with flow matching for enhanced transition state prediction — Stephanie Gstöttenmayr · reposiTUm (TU Wien) (2026) | TGRS Research Map | TGRS