Integrating nudged elastic band with flow matching for enhanced transition state prediction

Abstract

Übergangszustände chemischer Reaktionen bestimmen die Reaktionskinetik und sind für die Bestimmung von Reaktionsmechanismen von entscheidender Bedeutung. Jüngste Flow-Matching-Modelle wie GoFlow generieren Molekülgeometrien von Übergangszuständen aus 2D-Graphen in Sekundenschnelle, ignorieren jedoch die kontinuierliche geometrische Entwicklung entlang des Reaktionspfades. Diese Arbeit untersucht, ob die Integration von Zwischengeometrien aus Nudged Elastic Band (NEB)-Reaktionspfaden die Vorhersage von Übergangszustandsgeometrien in Flow-Matching-Modellen verbessern kann. Die GoFlow-Architektur wird erweitert, um multiple NEB-Bilder und kontinuierliche Reaktionspfade zu verarbeiten. Die Evaluierung erfolgt auf dem Transition1x-Datensatz, wobei Ablationsstudien zur Bildauswahl und zum Einfluss der Fehlerminimierung durchgeführt werden. Die NEB-verbesserte Flow-Matching-Methode erzielt einen sterischen Kollisionsfehler von 2,41 kcal/mol (43% Verbesserung gegenüber dem Basiswert von 4,21 kcal/mol). Die Ergebnisse zeigen, dass NEB-Pfad-Daten bei richtiger Integration eine günstigere räumliche Anordnung der Übergangszustandsvorhersage ermöglichen. Dies verbessert die Datennutzung aus quantenchemischen Berechnungen und zeigt einen Weg zu genaueren virtuellen Auswahlverfahren in der computergestützten Chemie auf.

Transition state geometries determine reaction kinetics and are crucial for computational chemistry. Recent flow matching models like GoFlow generate TS geometries from 2D graphs in seconds, but ignore the continuous geometric evolution along reaction pathways. This thesis investigates whether integrating intermediate geometries from Nudged Elastic Band (NEB) reaction paths improves TS prediction in flow matching models.The GoFlow architecture is extended to process multiple NEB images and continuous reaction paths. We evaluate on the Transition1x dataset, conducting ablation studies on image selection and the influence of the loss term.NEB-enhanced flow matching achieves 2.41 kcal/mol steric clash error (43% improvement over 4.21 kcal/mol baseline). NEB path data show improved spatial arrangement of TS prediction when properly integrated. This improves data utilization from quantum calculations and signposts a path towards more accurate virtual screenings in computational chemistry.