《Digital Discovery》：moTSart: accelerating automated transition state search with generative models in a low-data regimeOpen Access
编辑推荐：
过渡态（TS）是势能面上的一阶鞍点，即对应于化学反应的（多步）最小能量反应路径上的最高能量结构，决定了反应进行的速率。定位过渡态并由此阐明反应机理是一项计算需求高且依赖专家经验的任务。近年来的自动化策略利用启发式规则或深度学习模型，直接从文本SMILES表示出
过渡态（TS）是势能面上的一阶鞍点，即对应于化学反应的（多步）最小能量反应路径上的最高能量结构，决定了反应进行的速率。定位过渡态并由此阐明反应机理是一项计算需求高且依赖专家经验的任务。近年来的自动化策略利用启发式规则或深度学习模型，直接从文本SMILES表示出发获得过渡态几何结构。然而，独立的过渡态预测器缺乏鲁棒性，而基于启发式的方法缺乏可扩展性，限制了其在分布偏移条件下进行可靠高通量反应发现的适用性。本文提出了一种生成式机器学习框架，嵌入全自动过渡态搜索流程中，并以生物正交点击反应的高通量筛选作为代表性案例，展示了加速效果。该自动化框架能够可扩展地探索大型反应空间，并随着更多反应被处理而渐进学习，从而减少所需的量子力学评估次数。在案例研究中，生成式精修在仅基于544个反应训练后，将所需的过渡态优化循环次数减少了近40%。通过将生成式建模与基于物理的验证在可扩展工作流中相结合，本研究为数据驱动的反应机理探索建立了框架，并推动了化学反应性自主计算发现的发展。
论文解读：motsart——低数据条件下生成模型加速自动化过渡态搜索的研究进展
一、研究背景与问题
过渡态（transition state, TS）是势能面上连接反应物与产物局部极小值的一阶鞍点，其几何结构决定了化学反应势垒高度，进而决定反应速率。阐明新反应的机理通常需要多年的化学直觉和领域专家经验来引导发现过程，机理发现在某种程度上既是科学也是艺术。从头算过渡态搜索方法可分为单端法和双端法两类，本研究聚焦于双端法，因为其假设已知反应物和产物的极小值及其原子映射（以原子映射SMILES字符串形式提供），可大幅缩小搜索空间。
目前过渡态搜索的自动化策略存在两类主要问题：第一，基于启发式规则的搜索方法缺乏可扩展性，难以用于高通量反应发现；第二，独立的生成式机器学习预测器虽然能直接从SMILES生成过渡态几何，但缺乏鲁棒性，且倾向于预测几何上准确但物理上不合理的结构，例如由空间位阻碰撞引起的结构。此外，在高通量工作流中，IRC验证是另一个潜在的高成本阶段，其目的是验证所发现的过渡态是否连接到预期的反应物和产物。
二、研究目标与方法概述
本研究旨在建立一个集成生成式机器学习方法的框架，以加速双分子有机化学反应的过渡态发现，并提供一种系统化、可扩展且无需试错式人工干预的流程。研究团队开发了motsart框架，由三个核心组件构成：第一部分是complexfinder，用于搜索可通向低能过渡态的 reactant complexes（反应物复合物）；第二部分是pathguesser，用于寻找连接这些反应物复合物与其相应产物的最小能量路径；第三部分是validator，执行鞍点优化和IRC验证以获得连接反应物与产物的过渡态。框架中的每个步骤都可以在不同阶段用生成模型加速，本研究聚焦于鞍点优化组件，采用在线学习设置，并将该特定实例称为tsoptnet。
三、关键技术方法
研究团队采用了几项关键技术方法来实现过渡态搜索的加速：（1）使用进化算法（evolutionary algorithm, EA）搜索反应物复合物构象空间，通过惩罚函数评估形成键距离、位阻碰撞和产物相似性；（2）利用GFN2-xTB半经验方法进行约束弛豫和双端反应路径搜索，采用RMSD-PP（RMSD-push-pull）方法获得过渡态猜测结构；（3）通过racerTS方法进行过渡态构象采样，保持反应核心冻结并进行能量排序；（4）采用密度泛函理论（DFT）在B3LYP-D4/def2-TZVP理论水平下进行鞍点优化；（5）使用graphRC方法进行基于简正模式分析的连接性验证，替代高成本的完整IRC计算；（6）提出了goflowv2生成模型架构，这是一种基于E(3)等变gotennet架构的条件流匹配（conditional flow matching, CFM）方法，并引入了先验条件化（priorconditioning）模块，将原子位移分解为不变范数和等变单位方向向量注入网络特征中。
研究数据集来源于两部分：一是[3+2]环加成反应数据集，由Stuyver等人整理，包含681个低原子数反应；二是Reaction-QM（RQM）数据集，包含近19.7万个反应，用于预训练。tsoptnet的训练数据通过对pathguesser生成的过渡态猜测执行DFT鞍点优化获得，最终数据集按80/10/10比例划分训练/验证/测试集，并按反应分层以确保同一反应的构象不会出现在不同数据集中。
四、主要研究结果
在生成建模的几何评估方面，研究人员通过tsoptnet模型对过渡态猜测进行精修，以DFT水平鞍点优化结构为基准，评估了原子间距平均绝对误差（D-MAE）、均方根误差（RMSE）、键角误差和二面角误差。六个微调实验的结果表明，训练集大小从50增至1200个过渡态构象时，所有评估指标均随数据集规模增加而降低。值得注意的是，仅使用50个数据点即可获得相对于pathguesser基线猜测的显著性能提升。
在力评估方面，研究人员采用GFN2-xTB水平计算每个过渡态的平均和最大原子力，以检测由物理不合理几何导致的潜在大分力。结果显示，预测结构未出现物理不合理几何导致的大分力，且随着训练集增大，预测结构连续展现更小的力，趋近于DFT基准过渡态的力分布。
在量子力学评估方面，研究人员对同一批150个pathguesser过渡态猜测进行了三种处理方式的对比：不精修、tsoptnet精修和eSEN-OMol25-sm-conserving MLIP精修。所有生成的结构均采用相同的B3LYP-D4/def2-TZVP/SMD（水）P-RFO优化和验证流程。结果表明，tsoptnet在544个反应上训练后，将后续DFT优化循环的平均次数从19.21次减少至11.46次，而MLIP精修后的结构平均需要14.92次。tsoptnet精修后的猜测中有147/150成功获得DFT优化和验证，而MLIP精修后的猜测为133/150。这一结果支持了在目标理论水平上学习精修策略的有效性。
在环加成案例研究方面，研究人员将motsart应用于两类具有生物正交性的逆电子需求Diels-Alder环加成反应。第一类案例涉及3,6-二甲基-1,2,4,5-四嗪与环丙烷稠合的二苯并环辛炔（DMBO）和与二苯并环辛炔（DIBO）的反应。研究人员能够自动找到DMBO过渡态的最低能量tub-like构象，并在单次搜索中同时识别出DIBO过渡态的edge-approach和face-approach两种构象，且正确识别face-approach为最低能量路径。第二类案例涉及张力促进的炔烃-叠氮环加成反应（SPAAC），研究对象包括与ADIBO反应的一级、二级和三级叠氮化物。motsart自动定位的过渡态几何与文献报道高度一致，复现了一级和二级叠氮化物的同步过渡态以及三级叠氮化物更异步的几何特征。
在SN2和E2反应管线分析方面，研究人员从QMrxn20数据集中随机采样SN2和E2反应，使用eSEN-OMol25-sm-conserving MLIP进行路径搜索，采用ML-FSM方法进行路径计算，并使用ORCA进行鞍点优化。当采样并优化三个过渡态猜测时，SN2反应以84.5%的成功率解决，E2反应为54.4%。当采样六个过渡态猜测时，E2反应成功率提升至68.4%。去除涉及F?作为离去基团或碱的反应后，E2和SN2反应成功率分别提升至87.0%和89.3%。
五、讨论与结论总结
在讨论部分，研究人员指出motsart目前主要针对基元步骤双分子有机反应进行了验证，扩展至多步反应、分子内反应、自由基或有机金属反应是向通用管线发展的可能后续方向。下一代半经验方法和机器学习原子间势能（MLIPs）可显著加速数据生成和筛选，集成多头goflowv2架构以加速这些步骤是另一个有前景的方向。在具有充足分布内训练数据的情况下，可直接使用SMILES到过渡态的生成模型，此时无需运行complexfinder和pathguesser模块。研究还指出，当前工作聚焦于通过生成建模实现精确过渡态结构优化，这是计算反应势垒的基础；要获得吉布斯自由能势垒（ΔG?），还需找到并优化反应物的最小能量构象，并执行简谐振动频率计算以进行热化学修正。
研究结论部分指出，motsart是一个模块化的自动化过渡态发现框架，集成了启发式搜索策略、量子化学验证和生成式机器学习。该工作流系统化地识别基元步骤双分子有机反应的反应物复合物、近似反应路径并验证过渡态，同时通过高效构象采样和快速连接性检查最大程度减少试错式人工干预和计算成本。为加速管线，研究引入了带先验条件化的goflowv2，这是一种数据高效的的条件流匹配架构，可在成对分子几何分布之间学习变换。该框架能够在处理更多反应时渐进加速计算，在应用案例中，tsoptnet将过渡态猜测映射至DFT优化的鞍点几何，并将后续DFT优化循环的平均次数减少约40%。总体而言，motsart展示了将传统反应搜索工具与生成式精修及基于物理的验证相结合，可实现化学反应空间的可扩展探索。
