研究人员开发了ReCurveflow，一个利用流匹配预测化学反应中过渡态几何形状的新框架。与之前假设线性反应路径的方法不同，ReCurveflow从分子几何形状的完整NEB派生带中插值的曲线轨迹中学习。该框架还包含一个离路径校正机制，以提高准确性和推理过程中的暴露偏差抵抗力。跨多个数据集和指标的评估表明，ReCurveflow的表现优于七种基线方法，定性分析表明其能够生成准确的反应轨迹并缓解NEB优化瓶颈。 AI
影响 该框架通过提高预测过渡态的准确性和效率，有望加速化学研究。
排序理由 该集群包含一篇详细介绍科学领域新AI框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
