Reaction-Transformation-Aware Flow Matching for Generalizable Transition State Generation

ملخص تقني: مطابقة التدفق المدركة للتحول التفاعلي لتوليد حالات الانتقال القابلة للتعميم

بيان المشكلة
تمثل حالات الانتقال (TSs) نقاط سرج من الدرجة الأولى على سطح طاقة الجهد (PES)، وهي التي تحدد الحواجز الطاقية والمسارات الميكانيكية للتفاعلات الكيميائية الأولية. يعد تحديد هذه الهياكل عملية مكلفة حاسوبياً، حيث تعتمد الطرق التقليدية على حسابات متكررة ومكلفة ميكانيكا الكم (مثل نظرية وظيفية الكثافة - DFT) مقترنة بخوارزميات تحسين نقاط السرج. وبينما سرعت أساليب التعلم الآلي (ML) الحديثة توليد حالات الانتقال عبر التنبؤ بالهياكل من نهايات التفاعل (المتفاعلات والنواتج)، فإن الطرق الحالية تركز بشكل أساسست على تعلم التناظر الهندسي بين النهايات الطرفية وحالة الانتقال. وغالباً ما تتعامل هذه الطرق مع التحولات الهيكلية الكامنة في التفاعلات الأولية — مثل إعادة ترتيب الروابط والتغيرات في البيئات الذرية — كتمثيل ضمني. علاوة على ذلك، تفتقر الصيغ الهندسية الحالية غالباً إلى تمثيل موحد متوافق ذري يسهل تبادل المعلومات المتكافئة من الرتب العليا بين المتفاعلات، وحالات الانتقال، والنواتج. ويعيق هذا القصور قدرة مولدات حالات الانتقال على التعميم، لا سيما في التفاعلات الخارجة عن نطاق التوزيع (OOD) حيث يجب على النموذج استنتاج هندسة نقطة السرج للجزيئات ذات الأحجام والنسب الوزنية غير المرئية سابقاً.

المنهجية: إطار عمل TransTS
يقدم المؤلفون إطار عمل TransTS، وهو إطار مدرك للتحول التفاعلي مصمم لتوليد هندسات حالات الانتقال القابلة للتعميم من أزواج المتفاعلات والنواتج المخططة ذرياً. تدمج المنهجية ثلاثة مكونات أساسية:

1. التمثيل المدرك للتحول التفاعلي:
   على عكس النماذج السابقة التي تعامل هندسة النهايات الطرفية بشكل موحد، يتعلم TransTS صراحةً التحولات الهيكلية على مستوى الذرة. فهو يستخدم مشفراً مزدوجاً مشترك المعلمات يعالج تشكيلات المتفاعلات والنواتج المخططة ذرياً. ويقوم نموذج أساسي، وهو دمج الحالة المتقاطعة (Cross-State Fusion)، بتبادل المعلومات بين الذرات المتقابلة في المتفاعلات والنواتج. يتيح ذلك للشبكة التمييز بين مناطق الهيكل الثابتة (التي توفر سياقاً هندسياً مستقراً) والذرات التي تخضع لتغيرات بيئية محلية (التي تتلقى تكييفاً خاصاً بالتفاعل). هذا التصميم يجعل الاختلافات في النهايات الطرفية صريحة، مما يوفر ظروفاً قائمة على التحول لعملية التوليد.

2. إطار هندسي موحد ومتوافق ذرياً:
   لتمكين تبادل المعلومات عبر الحالات، يمثل TransTS المتفاعلات، وحالات الانتقال، والنواتج ضمن إطار واحد متوافق. يقوم الإطار بخرائط الإحداثيات إلى فضاء فرعي خالٍ من مركز الكتلة (com-free) ويبني مرساة نموذجية (canonical anchor) عبر محاذاة المنتج مع المتفاعل بشكل صلب باستخدام خوارزمية كابش (Kabsch algorithm). وتكون هذه المرساة متناظرة بالنسبة لاتجاه التفاعل (الأمامي أو العكسي). يعمل مولد حالة الانتقال في هذا الإطار الموحد، مما يسم يسمح له بإعادة استخدام المعلومات من مناطق الهيكل غير المتغيرة والتركيز بقدرته النمذجة على الذرات والروابط التي تمر بإعادة ترتيب هيكلي.

3. مطابقة التدفق المحاذية للمرساة:
   تستخدم عملية التوليد مطابقة التدفق الشرطي (CFM). يتعلم النموذج مجال سرعة متوافق مرتبط زمنياً ينقل حالة أولية ضوضائية إلى هندسة حالة الانتقال المستهدفة. ومن الأهمية بمكان أن مسار التدفق يتم بناؤه باستخدام المرساة النموذجية المستنتجة. يقوم مسار التدريب بمحاذاة كل من مصدر الضوضاء وحالة الانتقال المستهدفة مع هذه المرساة، مما يخلق مسار استكمال خطي مستقيم تماماً. يعمل هذا النهج كبديل عملي للنقل الأمثل مع ضمان الاتساق بين التدريب والاستدلال، حيث تُشتق المرساة حصرياً من هياكل المتفاعلات والنواتج الملحوظة.

المساهمات الرئيسية

• تعلم التحول الصريح: يعد TransTS أول إطار عمل ينمذج صراحةً التحولات الهيكلية على مستوى الذرة بين نهايات التفاعل كإشارة تكييف لتوليد حالة الانتقال، متجاوزاً مجرد التناظر الهندسي البسيط.
• تمثيل متوافق موحد: يقترح البحث إطاراً هندسياً موحداً ومتوافقاً ذرياً يتيح التبادل المباشر للمعلومات المتكافئة من الرتب العليا عبر المتفاعلات، والنواتج، وحالات الانتقال.
• التعميم القوي خارج نطاق التوزيع (OOD): من خلال الاستفضاء في الوعي بالتحول التفاعلي، يحقق TransTS تعميماً فائقاً للنماذج في سيناريوهات "الصفر المعرفة" (zero-shot OD) مقارنة بالنماذج المرجعية المتطورة.
• التقييم المرتكز على التحقق: قدم المؤلفون بروتوكول تقييم صارم لا يقيم التشابه الهندسي (RMSD) فحسب، بل يقيم أيضاً فائدة الهياكل المولدة كبدايات أولية لعمليات التحسين الكيميائي الكمي، من خلال قياس نجاح التحسين ومعدلات صحة التفاعل.

النتائج
تم تقييم أداء TransTS على مجموعة بيانات Transition1x (داخل التوزيع، IID) واختبارين مرجعيين صعبين خارج نطاق التوزيع مستمدين من عالم GDB الكيميائي: GDB-10-rxn و GDB-17-rxn.

• أداء داخل التوزيع (IID): عندما تم تدريب TransTS حصرياً على Transition1x، لم يحقق أدنى قيمة لـ RMSD قبل التحسين مقارنة بالنماذج المرجعية مثل React-OT. ومع ذلك، ظل منافساً في مقاييس ما بعد التحسين (نجاح التحسين وصحة التفاعل). وعند تعزيز مجموعة التدريب بمجموعة بيانات RGD1 الأكبر، حقق TransTS أدنى متوسط لـ RMSD في كل من المجموعات الأصلية والمجموعات التي تم التحقق منها لاحقاً، مما يثبت أن التوسع يحسن الدقة الهندسية.
• أداء "الصفر المعرفة" خارج التوزيع (Zero-Shot OOD): أظهر TransTS مزايا كبيرة في سيناريوهات الصفر المعرفة. ففي GDB-10-rxn و GDB-17-rxn، حقق أدنى RMSD قبل التحسين بين جميع الطرق. والأهم من ذلك، أظهر أداءً فائقاً في مرحلة ما بعد التحسين. فعلى سبيل المثال، عندما تم تدريبه فقط على Transition1x، استعاد TransTS التفاعل المقصود في 55.1% من حالات GDB-10-rxn، متفوقاً على ثاني أفضل طريقة بفارق 13.3 نقطة مئوية. وفي GDB-17-rxn، حقق معدل صحة تفاعل بنسبة 37.9%، متجاوزاً النموذج التالي بـ 13.2 نقطة مئوية.
• آثار التوسع: أدى زيادة تغطية التفاعلات (Transition1x + RGD1) وسعة النموذج إلى تحسينات ثابتة عبر جميع الاختبارات المرجعية. وكانت المكاسب أكثر وضوحاً في السيناريو الأكثر تطلباً (GDB-17-rxn)، حيث تحسنت صحة التفاعل بمقدار 20.7 نقطة مئوية.
• التطور الهيكلي: أظهرت دراسات الحالة على GDB-10-rxn أن TransTS يستعيد بفعالية التطورات الهيكلية المميزة لمركز التفاعل، مثل تكوين الروابط المزدوجة وهجرة الهيدروجين، مع أخطاء مطلقة أقل في مسافات قلب التفاعل مقارنة بالنماذج المرجعية.

الأهمية والادعاءات
تفترض الورقة أن التوليد المدرك للتحول التفاعلي هو استراتيجية واعدة لتسريع الاستكشاف الحاسوبي لمساحات التفاعل الكيميائي. ويدعي المؤلفون أنه من خلال نمذجة التغيرات الهيكلية المرتبطة بالتفاعلات الأولية صراحةً، يوفر TransTS تخمينات أولية أكثر موثوقية للتحسين الكيميائي الكمي، خاصة للتفاعلات الخارجة عن التوزيع الضيق للمعايير القياسية. إن قدرة الإطار على التعميم للامتدادات الجزيئية غير المرئية والنسب الوزنية المعقدة تشير إلى إمكانية دعمه لبناء شبكات تفاعل أوسع وتصميم المحفزات بشكل عقلاني. ويشير المؤلفون بتواضع إلى أن التقييم الحالي يقتصر على مساحات تفاعلات CHNO العضوية، وأن التوليد الدقيق على مستوى الإحداثيات يبدو معتمداً على حجم البيانات، مما يعني أن المزيد من التوسع ضروري للتطبيقات عالية الدقة في البيئات الكيميائية الأكثر تعقيداً (مثل المعادن الانتقالية أو الجذور الحرة).