[论文解读] ReactAIvate: A Deep Learning Approach to Predicting Reaction Mechanisms and Unmasking Reactivity Hotspots

Ajnabiul Hoque, Manajit Das+2 more|arXiv (Cornell University)|Jul 14, 2024

Machine Learning in Materials Science被引用 4

一句话总结

ReactAIvate 是一种新颖的可解释图神经网络（GNN）模型，能够以 96% 的准确率预测过渡金属催化反应中的基元步骤和识别活性原子，步骤分类准确率接近 1。该模型基于一个包含七个基元步骤的新数据集，采用图级和节点级双损失训练方案，实现了对催化反应机理（CRM）的准确、模块化预测，并具备强大的分布外（OOD）泛化能力，适用于专家引导的反应性分析。

ABSTRACT

A chemical reaction mechanism (CRM) is a sequence of molecular-level events involving bond-breaking/forming processes, generating transient intermediates along the reaction pathway as reactants transform into products. Understanding such mechanisms is crucial for designing and discovering new reactions. One of the currently available methods to probe CRMs is quantum mechanical (QM) computations. The resource-intensive nature of QM methods and the scarcity of mechanism-based datasets motivated us to develop reliable ML models for predicting mechanisms. In this study, we created a comprehensive dataset with seven distinct classes, each representing uniquely characterized elementary steps. Subsequently, we developed an interpretable attention-based GNN that achieved near-unity and 96% accuracy, respectively for reaction step classification and the prediction of reactive atoms in each such step, capturing interactions between the broader reaction context and local active regions. The near-perfect classification enables accurate prediction of both individual events and the entire CRM, mitigating potential drawbacks of Seq2Seq approaches, where a wrongly predicted character leads to incoherent CRM identification. In addition to interpretability, our model adeptly identifies key atom(s) even from out-of-distribution classes. This generalizabilty allows for the inclusion of new reaction types in a modular fashion, thus will be of value to experts for understanding the reactivity of new molecules.

研究动机与目标

• 为解决化学反应机理（CRMs）领域缺乏全面、机理特异性数据集的问题，特别是针对多步、过渡金属催化的反应。
• 克服序列到序列（Seq2Seq）模型在 CRM 预测中的局限性，此类模型对错误敏感，且易因单字符错误而生成不连贯的机理。
• 开发一种不仅能分类基元步骤，还能识别活性原子的模型，为专家提供化学上可解释的洞察。
• 通过支持分布外（OOD）类别预测并提供有意义的注意力引导，实现对新反应类型的模块化扩展。
• 为 CRM 预测提供一种可靠、快速且可解释的替代方案，替代计算成本高昂的量子力学（QM）方法。

提出的方法

• 该模型采用基于图注意力的 GNN，将反应物、试剂和催化剂的分子图作为输入，捕捉局部和全局结构特征。
• 采用双损失训练目标：图级损失用于分类基元反应步骤（7 个类别），节点级损失用于识别每个步骤中的活性原子。
• 注意力机制通过节点级损失显式引导，确保注意力集中在化学上相关的活性中心，如 Pd 中心和键断裂/形成位点。
• 模型在新整理的 3 个催化反应家族数据集上进行训练，包含 7 种不同的基元步骤，包括氧化加成、转金属化和还原消除。
• 为实现 OOD 泛化，模型为“无反应”类别分配专用类别（S8），并通过注意力可视化指导专家在无反应情况下识别潜在活性位点。
• 该框架通过从反应物和催化剂顺序预测基元步骤，实现完整的 CRM 重建，避免了基于 SMILES 的序列生成方法中的错误传播问题。

Figure 1: (a) A representative example of oxidative addition template, (b) complete workflow of our proposed ReactAIvate method, (c) process of reaction step classification and reactive atom identification using ReactAIvate

实验结果

研究问题

• RQ1 深度学习模型能否在多步催化机理中以高精度和可解释性准确分类基元反应步骤？
• RQ2 基于 GNN 的模型在每个基元步骤中识别活性原子的能力如何？与标准序列模型相比，其是否能提升机理可解释性？
• RQ3 该模型在分布外（OOD）反应对上的泛化能力如何，尤其是针对非反应性或涉及新机理的反应？
• RQ4 双损失训练（图级 + 节点级）是否能增强注意力在真实活性中心的定位能力，使其与化学家直觉一致？
• RQ5 该模型能否作为可靠、模块化的工具，无需依赖易出错的 SMILES 序列生成，实现完整 CRM 的预测？

主要发现

• 该模型在基元反应步骤分类中达到接近 1 的准确率，证明其在识别正确机理转化方面的卓越可靠性。
• 该模型在识别活性原子方面达到 96% 的准确率，注意力图清晰地突出了关键活性中心，如参与键断裂或形成的 Pd、Cl 和 C 原子。
• 注意力可视化证实，模型聚焦于化学上相关的区域，如 Pd 中心和芳基氯键，验证了其可解释性与专家推理的一致性。
• 对于 OOD 样本，模型正确分配了“无反应”类别（S8），并仍能将注意力定位在潜在活性位点，为专家分析提供可操作的洞察。
• 该模型成功重建了 Kumada 偶联等复杂反应的完整 CRM，按顺序正确预测了全部三个步骤（氧化加成、转金属化、还原消除），并准确识别了活性原子。
• 与 Seq2Seq 基线相比，该模型避免了 SMILES 生成中因单字符错误导致的灾难性失败，证明其在 CRM 预测中更具鲁棒性。

Figure 2: Effect of the inclusion of node-level loss in ReactAIvate demonstrated through attention visualization. The rightmost bar represents min-max rescaled attention values.