論文の概要: React-OT: Optimal Transport for Generating Transition State in Chemical Reactions
- arxiv url: http://arxiv.org/abs/2404.13430v1
- Date: Sat, 20 Apr 2024 17:31:45 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-23 19:00:27.531299
- Title: React-OT: Optimal Transport for Generating Transition State in Chemical Reactions
- Title(参考訳): React-OT:化学反応における遷移状態生成のための最適輸送
- Authors: Chenru Duan, Guan-Horng Liu, Yuanqi Du, Tianrong Chen, Qiyuan Zhao, Haojun Jia, Carla P. Gomes, Evangelos A. Theodorou, Heather J. Kulik,
- Abstract要約: 反応物や生成物から一意な遷移状態構造を生成するための最適な輸送手法であるReact-OTを開発した。
Re React-OTは、0.053AAの中央構造根平均平方偏差(RMSD)と1.06 kcal/molの中央障壁誤差を持つ高度精度の高いTS構造を生成する。
- 参考スコア(独自算出の注目度): 45.99250641377074
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Transition states (TSs) are transient structures that are key in understanding reaction mechanisms and designing catalysts but challenging to be captured in experiments. Alternatively, many optimization algorithms have been developed to search for TSs computationally. Yet the cost of these algorithms driven by quantum chemistry methods (usually density functional theory) is still high, posing challenges for their applications in building large reaction networks for reaction exploration. Here we developed React-OT, an optimal transport approach for generating unique TS structures from reactants and products. React-OT generates highly accurate TS structures with a median structural root mean square deviation (RMSD) of 0.053{\AA} and median barrier height error of 1.06 kcal/mol requiring only 0.4 second per reaction. The RMSD and barrier height error is further improved by roughly 25% through pretraining React-OT on a large reaction dataset obtained with a lower level of theory, GFN2-xTB. We envision the great accuracy and fast inference of React-OT useful in targeting TSs when exploring chemical reactions with unknown mechanisms.
- Abstract(参考訳): 遷移状態 (TSs) は反応機構や設計触媒を理解する上で重要な過渡構造であるが、実験で捉えることは困難である。
あるいは、TSを計算的に検索するために多くの最適化アルゴリズムが開発されている。
しかし、量子化学法(通常は密度汎関数理論)によって駆動されるこれらのアルゴリズムのコストは依然として高く、反応探索のための大規模な反応ネットワークの構築においてその応用に課題を提起している。
ここでは反応物や生成物から独自のTS構造を生成するための最適な輸送手法であるReact-OTを開発した。
React-OT は 0.053{\AA} の中央構造根平均平方偏差 (RMSD) と1.06 kcal/mol の障壁高さ誤差を持つ高度に正確なTS 構造を生成する。
RMSDとバリア高さの誤差は、理論レベルが低いGFN2-xTBの反応データセット上でReact-OTを前訓練することで、約25%改善される。
我々は、未知の機構を持つ化学反応を探索する際に、TSを標的としたReact-OTの高精度かつ高速な推論を想定する。
関連論文リスト
- Retrosynthesis prediction enhanced by in-silico reaction data
augmentation [66.5643280109899]
RetroWISEは,実データから推定されるベースモデルを用いて,シリコン内反応の生成と増大を行うフレームワークである。
3つのベンチマークデータセットで、RetroWISEは最先端モデルに対して最高の全体的なパフォーマンスを達成する。
論文 参考訳(メタデータ) (2024-01-31T07:40:37Z) - AI for Interpretable Chemistry: Predicting Radical Mechanistic Pathways
via Contrastive Learning [45.379791270351184]
RMechRPは、新しいディープラーニングベースの反応予測システムである。
我々は、ラジカル反応の公開データベースであるRMechDBを用いてモデルを開発し、訓練する。
本研究は,RMechRPが正確かつ解釈可能な予測に有効であることを示す。
論文 参考訳(メタデータ) (2023-11-02T09:47:27Z) - Accurate transition state generation with an object-aware equivariant
elementary reaction diffusion model [9.878043289026731]
遷移状態 (TS) 探索は反応機構の解明と反応ネットワークの探索に重要である。
そこで本研究では, 基本反応における構造の集合を生成するためのすべての物理対称性と制約を満たす, オブジェクト対応SE(3)同変拡散モデルを開発する。
反応物と生成物が与えられたこのモデルは、量子化学に基づく最適化を行うのに必要な時間ではなく、数秒でTS構造を生成する。
論文 参考訳(メタデータ) (2023-04-12T22:21:36Z) - Multi-level Protocol for Mechanistic Reaction Studies Using Semi-local
Fitted Potential Energy Surfaces [0.0]
本稿では化学反応機構の定期的な理論的研究のためのマルチスケールプロトコルを提案する。
この手法の性能の重要な側面は、そのマルチスケールな性質であり、これは計算労力を節約するだけでなく、意味のある情報を抽出することを可能にする。
論文 参考訳(メタデータ) (2023-04-03T12:55:29Z) - Self-Improved Retrosynthetic Planning [66.5397931294144]
再合成計画(Retrosynthetic Planning)は、標的分子を合成する反応の経路を見つけるための化学の基本的な問題である。
最近の検索アルゴリズムは、ディープニューラルネットワーク(DNN)を用いてこの問題を解決するための有望な結果を示している。
そこで本研究では,DNNを直接訓練し,望ましい特性を持つ反応経路を生成するためのエンドツーエンドフレームワークを提案する。
論文 参考訳(メタデータ) (2021-06-09T08:03:57Z) - Non-Autoregressive Electron Redistribution Modeling for Reaction
Prediction [26.007965383304864]
反応を1ショットで予測する非自己回帰学習パラダイムを考案する。
任意の電子フローとして反応を定式化し、新しいマルチポインター復号ネットワークで予測する。
USPTO-MITデータセットの実験により、我々の手法は最先端のトップ1の精度を確立した。
論文 参考訳(メタデータ) (2021-06-08T16:39:08Z) - RetCL: A Selection-based Approach for Retrosynthesis via Contrastive
Learning [107.64562550844146]
レトロシンセシスは深層学習の新たな研究分野である。
本稿では, 市販分子の候補群から, 反応物質の選択問題へとレトロシンセシスを再構成する新しいアプローチを提案する。
スコア機能を学ぶために、ハードネガティブマイニングを備えた新しいコントラストトレーニングスキームも提案します。
論文 参考訳(メタデータ) (2021-05-03T12:47:57Z) - RetroXpert: Decompose Retrosynthesis Prediction like a Chemist [60.463900712314754]
そこで我々は, テンプレートフリーな自動逆合成拡張アルゴリズムを考案した。
我々の方法はレトロシンセシスを2段階に分解する。
最先端のベースラインよりも優れている一方で、我々のモデルは化学的に合理的な解釈も提供する。
論文 参考訳(メタデータ) (2020-11-04T04:35:34Z) - Towards the design of chemical reactions: Machine learning barriers of
competing mechanisms in reactant space [0.0]
本稿では,アクティベーションエネルギーと遷移状態ジオメトリを迅速かつ正確に推論するリアクション・ツー・バリア(R2B)機械学習モデルを提案する。
R2Bは、トレーニングセットが大きくなるにつれて精度を向上し、反応体の入力のみの分子グラフ情報を必要とする。
有機合成,E2およびSN2に関連する2つの競合するテキストブック反応に対するR2Bの適用性を示す数値的な証拠を提供する。
論文 参考訳(メタデータ) (2020-09-28T15:50:32Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。