[论文解读] Accurate transition state generation with an object-aware equivariant elementary reaction diffusion model

Chenru Duan, Yuanqi Du+2 more|arXiv (Cornell University)|Apr 12, 2023

Machine Learning in Materials Science被引用 4

一句话总结

该论文提出OA-ReactDiff，一种新型的、面向对象的SE(3)等变扩散模型，可在数秒内生成基元反应的精确3D过渡态（TS）结构，利用反应物和产物的几何构型。该模型与真实TS结构的中位RMSD为0.08 Å，通过基于置信度的推荐系统仅优化14%最困难的反应，即可实现2.6 kcal/mol以内的能垒估算精度。

ABSTRACT

Code and model release for OA-ReactDiff, a generalizied Denoising Diffusion Probabilistic Model (DDPM) for generating sets of 3D structures (i.e., reactant, transition state, and product) in chemical reactions. OA-ReactDiff reduces the transition state search from hours/days to seconds and complemented conventional intuition-based reaction exploration with generative AI solutions that can discover surprising "unintended" reactions. A codebase under continuous development can be found at https://github.com/chenruduan/OAReactDiff. Update: Upload the checkpoint for the confidence model.

研究动机与目标

• 为解决反应机理解析中过渡态（TS）搜索的计算瓶颈问题，传统方法通常需要数小时的DFT计算。
• 开发一种尊重多物体体系（如反应物、过渡态和产物）中所有物理对称性（置换、平移和旋转）的机器学习模型。
• 通过快速生成高精度TS结构并结合不确定性量化识别最可靠预测，减少对昂贵DFT基TS优化的依赖。
• 通过最小化人工或计算干预，实现大规模未知机理反应网络的可扩展构建。

提出的方法

• 该模型采用面向对象的SE(3)等变图神经网络（GNN），在反应物、TS和产物片段之间保持置换、平移和旋转对称性。
• 采用具有二阶多项式噪声调度的扩散过程与L_simple损失函数，基于来自Transition1x15数据集的9,000个反应进行训练。
• 模型在单次前向传播中联合生成反应物、TS和产物的3D结构，无需原子顺序映射或片段对齐。
• 训练一个置信度评分模型作为二分类器，使用RMSD阈值（<0.2 Å）将生成的TS结构标记为“良好”或“不良”，实现基于不确定性的选择。
• 最终预测流程利用置信度评分对多次生成的TS候选进行排序并选择最可靠的结构。
• 模型在包含5,000次扩散步骤、96个径向基函数和196个隐藏通道的大规模、化学多样性数据集上进行端到端训练，使用V100 GPU。

实验结果

研究问题

• RQ1 具有面向对象SE(3)等变特性的扩散模型是否能在无需迭代DFT优化的情况下，为基元反应生成精确的3D过渡态结构？
• RQ2 此类模型在多个分子片段之间在多大程度上能保持所有物理对称性（置换、平移和旋转）？
• RQ3 基于置信度的排序系统是否能减少所需DFT优化的数量，同时保持反应能垒估算的精度？
• RQ4 与传统TS搜索方法相比，该模型在准确性、速度和计算成本方面表现如何？

主要发现

• 该模型生成的过渡态结构与真实TS结构的中位根均方差（RMSD）为0.08 Å，达到高结构精度。
• 通过基于置信度的采样，平均RMSD降低至0.13 Å，表明不确定性量化显著提升了预测可靠性。
• 该模型在单张GPU上每反应生成TS结构耗时不足6秒，相比传统DFT方法提速约100倍。
• 通过置信度模型引导DFT优化，仅需对14%最困难的反应进行完整DFT评估，即可实现2.6 kcal/mol以内的能垒估算精度。
• 该模型在未见反应上泛化能力良好，体现在对1,073个无TS结构重叠的预留测试集表现出强劲性能。
• 置信度模型实现了可靠的不确定性估计，预测概率与实际RMSD表现高度相关。