[论文解读] IODAQ Exploration Data Set

Paul L. Türtscher, Markus Reiher|arXiv (Cornell University)|Sep 8, 2022

Machine Learning in Materials Science被引用 6

一句话总结

本文提出Pathfinder，一种基于图的算法，通过将反应建模为带有动力学能垒和化合物成本的加权图，高效分析化学反应网络（CRNs），以评估试剂的可及性。该方法利用最短路径算法识别最可能的反应路径，显著减少模拟时间，并在碘酸与氢碘酸的歧化反应中，总路径成本比文献路径低100多原子单位（a.u.）。

ABSTRACT

This repository contains the data underlying the results concerning the exploration of reactions starting from iodine and water presented in Türtscher, P. L.; Reiher, M. <strong>2022 </strong><em>arXiv:2209.04039 [physics.chem-ph].</em>

研究动机与目标

• 为应对由第一性原理方法生成的大型、复杂化学反应网络（CRNs）日益增长的分析挑战。
• 克服传统微动力学建模的局限性，后者因大量耦合微分方程和宽时间尺度差异而变得计算不可行。
• 开发一种通用、高效的算法，用于识别CRNs中最具可能性的反应路径，无需依赖预剪枝或专用网络。
• 将动力学信息（活化能垒）与热力学/可及性约束（化合物成本）整合到统一的图论框架中。
• 通过基于形成概率对化合物进行排序，实现对CRNs的引导式探索，以反映给定起始条件下的反应可行性。

提出的方法

• 将CRN表示为有向图，其中化合物为顶点，反应为边，边的权重由量子力学计算的活化能垒确定。
• 引入化合物成本以反映在特定起始条件下试剂的可及性，该成本基于化学计量约束和反应消耗关系推导得出。
• 将动力学权重（活化能垒）与化合物成本结合，形成总边权重，以建模反应序列的可能性。
• 应用标准最短路径算法（如Dijkstra或A*）计算从起始化合物到目标产物的最可能反应路径。
• 利用Pathfinder算法在CRN探索过程中动态按形成成本对化合物进行排序，引导搜索向低代价、易获取的物种推进。
• 在真实体系上验证该方法，使用Chemoton软件生成的CRNs，重点分析碘/水及碘酸/氢碘酸反应体系。

实验结果

研究问题

• RQ1 在复杂的CRN中，从一组起始化合物到目标产物的最可能的基元反应序列是什么？
• RQ2 如何系统性地将试剂可及性与消耗关系整合到基于图的CRN分析中，以提升预测准确性？
• RQ3 基于图论的方法是否能在动力学可行性与总能量成本方面优于文献报道的反应路径？
• RQ4 与无权重或纯动力学模型相比，引入化合物成本在多大程度上提升了CRN探索的效率与相关性？
• RQ5 自动化、成本引导的CRN探索在多大程度上可减少对全面或暴力式动力学模拟的需求？

主要发现

• Pathfinder算法成功识别出从HIO3和HI到I2的歧化反应路径，总路径成本为24.7 a.u.，显著低于文献路径的159 a.u.。
• 最优路径仅需两步反应：首先由HIO3与HI生成H2I2O3，随后该中间体与另一当量的HI反应生成I2。
• 文献路径被发现为次优，因其第三步（I2O生成HIO）存在高达67 a.u.的高能垒，而Pathfinder路径成功避开了该步骤。
• Pathfinder的核心优势在于仅使用起始化合物作为反应物，避免了对中间体的消耗，从而显著降低路径总成本。
• 该方法通过优先选择低代价化合物，实现了高效、引导式的CRN探索，显著减轻计算负担，并聚焦于化学上合理的反应路径。
• 基于图的方法避免了解大量耦合微分方程组的需要，使其在大规模、高度互联的CRNs中具备良好的可扩展性。