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
- Stephanie Gstöttenmayr
Institutions
- TU Wien (AT)
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