[论文解读] Navigating chemical reaction space with a steering wheel

Miguel Steiner, Markus Reiher|arXiv (Cornell University)|Aug 31, 2023

Machine Learning in Materials ScienceMaterials Science参考文献 181被引用 3

一句话总结

本文提出了 Steering Wheel，一种灵活、交互式的算法，可实现对化学反应网络（CRNs）的直观、实时引导的自动化第一性原理探索。通过与 Chemoton 框架及 Heron 图形用户界面集成，该方法使研究人员能够动态引导探索特定反应路径、中间体或催化剂，以一种有效平衡探索深度与广度的方式，克服了暴力穷举方法带来的组合爆炸问题，在过渡金属催化研究中已取得成功应用。

ABSTRACT

Autonomous reaction network exploration algorithms offer a systematic approach to explore mechanisms of complex chemical processes. However, the resulting reaction networks are so vast that an exploration of all potentially accessible intermediates is computationally too demanding. This renders brute-force explorations unfeasible, while explorations with completely pre-defined intermediates or hard-wired chemical constraints, such as element-specific coordination numbers, are not flexible enough for complex chemical systems. Here, we introduce a Steering Wheel to guide an otherwise unbiased automated exploration. The Steering Wheel algorithm is intuitive, generally applicable, and enables one to focus on specific regions of an emerging network. It also allows for guiding automated data generation in the context of mechanism exploration, catalyst design, and other chemical optimization challenges. The algorithm is demonstrated for reaction mechanism elucidation of transition metal catalysts. We highlight how to explore catalytic cycles in a systematic and reproducible way. The exploration objectives are fully adjustable, allowing one to harness the Steering Wheel for both structure-specific (accurate) calculations as well as for broad high-throughput screening of possible reaction intermediates.

研究动机与目标

• 为解决自动化反应网络探索中的组合爆炸问题，实现对无偏见的第一性原理探索的实时、用户导向引导。
• 克服机制解析与催化剂设计中预定义中间体或硬编码化学约束的局限性。
• 提供一种通用、可扩展且直观的框架，用于引导复杂体系（如过渡金属催化剂）中的自动化 CRN 探索。
• 在单一统一的探索工作流中，同时实现高通量筛选与高精度、结构特定的计算。

提出的方法

• Steering Wheel 与 Chemoton 框架及 Heron 图形用户界面集成，实现在自动化探索过程中对反应中间体和活性位点进行实时过滤与选择。
• 其运行机制通过交替执行网络扩展与选择步骤实现：扩展步骤生成新的化合物与反应，选择步骤则基于化学结构、反应性或基于图的规则应用过滤条件。
• 过滤器通过用户自定义方法实现，用于评估分子聚集体或活性位点坐标，从而支持针对反应性与选择性的自定义逻辑。
• 系统支持过滤器的逻辑组合（AND/OR），并允许在探索过程中动态更改规则，实现对不同类型反应性的探索重点切换。
• 该框架具有可扩展性：可通过定义自定义方法添加新的过滤器、选择步骤与扩展协议，而无需修改核心代码。
• 所有探索步骤均以标准化数据结构编码，确保工作流各阶段之间的兼容性。

实验结果

研究问题

• RQ1 如何在不预定义所有中间体或施加严格化学约束的前提下，使自动化反应网络探索既系统化又具备交互性？
• RQ2 用户引导的引导机制是否能有效平衡在复杂化学空间（尤其是过渡金属催化）探索中的广度与深度？
• RQ3 Steering Wheel 算法在保持计算效率的同时，能否实现灵活、实时的探索路径重定向？
• RQ4 该框架如何在同一个探索工作流中同时支持高通量筛选与高精度、目标明确的计算？

主要发现

• Steering Wheel 通过图形化界面实现了对自动化反应网络探索的直观、实时引导，显著提升了对原本不透明探索过程的可用性与控制力。
• 该算法成功引导了对复杂催化体系的探索，包括 Wilkinson 催化剂、Ziegler–Natta 催化剂以及 Monsanto 工艺，证明了其在多种反应机理中的适用性。
• 该框架支持广度优先与深度优先的探索策略，使用户能够系统性地导航庞大的化学空间，同时保持计算上的可行性。
• 动态过滤器与用户自定义反应性规则的集成，使在单一网络中针对特定反应类型（如水解、缩合、有机金属转化）进行定向探索成为可能。
• 该系统成功应用于镓单中心催化剂的探索，该体系需处理非共价作用，其成功得益于 Scine Chemoton 3.2 版本中框架的可扩展性。
• 所有反应网络与探索协议均已公开发布于 Zenodo，可通过 Apptainer 容器与开源软件实现完整可复现性，确保透明性与可重用性。