Beyond the Training Domain: Robust Generative Transition State Models for Unseen Chemistry
Este artículo aborda la deficiente generalización de los modelos generativos de estados de transición a dominios químicos no vistos mediante la introducción de evaluaciones comparativas dirigidas y una estrategia de preentrenamiento autosupervisado que mejora significativamente la precisión de la predicción para elementos novedosos y complejos de metales de transición, al tiempo que reduce los requisitos de datos.