ReCurveflow

新AI框架ReCurveflow预测化学反应过渡态

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。