Generative Model for Constructing Reaction Path from Initial to Final States

要約

反応経路とそれに対応する活性化障壁をマッピングすることは、分子シミュレーションの重要な側面です。
それらの固有の複雑さと非線形性を考慮すると、これらのパスの最初の推測を生成することさえ困難な問題のままです。
この論文では、ニューラル ネットワークを利用してこれらの反応経路の初期推定を生成する革新的なアプローチを紹介します。
提案された方法は、初期状態の座標を入力することによって開始され、その後、その構造が段階的に変更されます。
この反復プロセスは、反応経路の近似表現と最終状態の座標の生成で最高潮に達します。
この方法の応用は、有機反応によって示される複雑な反応経路にまで及びます。
トレーニングは、有機反応経路データセットである Transition1x データセット上で実行されました。
結果は、対応するテストデータと実質的に類似性のある反応の生成を明らかにしました。
この方法の柔軟性により、反応を所定の条件に従って、またはランダム化して生成することができます。

要約(オリジナル)

Mapping out reaction pathways and their corresponding activation barriers is a significant aspect of molecular simulation. Given their inherent complexity and nonlinearity, even generating a initial guess of these paths remains a challenging problem. Presented in this paper is an innovative approach that utilizes neural networks to generate initial guess for these reaction pathways. The proposed method is initiated by inputting the coordinates of the initial state, followed by progressive alterations to its structure. This iterative process culminates in the generation of the approximate representation of the reaction path and the coordinates of the final state. The application of this method extends to complex reaction pathways illustrated by organic reactions. Training was executed on the Transition1x dataset, an organic reaction pathway dataset. The results revealed generation of reactions that bore substantial similarities with the corresponding test data. The method’s flexibility allows for reactions to be generated either to conform to predetermined conditions or in a randomized manner.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google