機械学習による気相化学反応の遷移状態構造の予測

遷移状態（TS）構造の解明は、化学反応のメカニズムを理解し、反応ネットワークを探るために不可欠です。計算アプローチの著しい進展にもかかわらず、初期構造の構築の難しさと高い計算コストのため、TS検索は依然として困難な問題です。本論文では、一般的な有機反応のTS構造を予測するための機械学習（ML）モデルを提案します。提案されたモデルは、反応物、生成物、及び線形補間された構造を反映した原子対特徴からTS構造の原子間距離を導出します。このモデルは、特に結合形成または切断が発生する原子対に対して優れた精度を示します。予測されたTS構造は、量子化学的鞍点最適化に対して高い成功率（93.8%）を持ち、最適化結果の88.8%はエネルギー誤差が0.1 kcal mol-1未満です。さらに、概念実証として、有機反応の複数の反応経路の探査がML推論に基づいて示されています。私は、提案されたアプローチがTS最適化および反応経路探索の初期幾何学の構築に役立つと考えています。