美国新计算模型可捕捉化学反应过渡态

　　美国麻省理工学院科研团队开发出一种基于机器学习的方法，可以更快的计算化学反应过程中的过渡态，帮助化学家设计新的化学反应和催化剂。

　　新计算方法使用“扩散模型”来表示两种相对于彼此任意方向的反应物，该模型可以了解哪种类型的过程最有可能产生特定的结果。科研人员在大约1,000个以前从未见过的反应上测试了模型。结果表明，与使用量子技术生成的过渡态结构相比，这些解决方案的精确度在0.08埃以内，每个反应的计算过程只需几秒钟。

　　尽管科研人员主要针对涉及原子数量相对较少（整个系统最多23个原子）的化合物反应来训练模型，但他们发现它也可以对涉及较大分子的反应做出准确预测。科研人员计划扩展模型，纳入催化剂等成分，研究特定催化剂能在多大程度上加速反应。