ColabReaction：利用Google Colaboratory上的机器学习功能加速过渡态搜索

《Journal of Chemical Information and Modeling》：ColabReaction: Accelerating Transition State Searches with Machine Learning Potentials on Google Colaboratory

开发了基于双端方法和Direct MaxFlux的机器学习势能过渡态快速搜索方法，部署于Google Colab平台，提供无需编程的图形界面，计算效率提升约100倍，适用于实验研究者和学生。

　　

我们通过结合双端方法Direct MaxFlux（DMF）和机器学习（ML）势能，开发了一种快速且自动化的化学反应过渡态（TS）搜索方法。与传统基于量子力学（QM）扫描的方法相比，该方法的速度提高了大约两个数量级，通常能在10分钟内找到过渡态结构。为了提高其普及性，我们将该方法实现了在Google Colaboratory（Colab）上，利用其基于云的GPU环境来消除对本地计算资源的需求。我们将这一实现命名为ColabReaction。同时提供了一个改进的基于面板的图形用户界面，用户可以通过网页界面进行过渡态搜索而无需编写代码。该平台为反应路径探索和机理分析提供了一个免费且用户友好的解决方案，特别适合没有计算化学相关经验的实验研究人员和学生。ColabReaction是开源的，可在https://ColabReaction.net和https://github.com/BILAB/ColabReaction免费获取。