过渡态搜索不再只盯基态：全局采样加三万参数小网络，重画丙烷脱氢路径
核心概要
过渡态搜索长期依赖人工设定的基态构型，容易漏掉有限温度下可能主导速率的亚稳构型。一个把全局构型搜索与轻量图神经网络结合的工作流，先在势能面上采样反应物、产物和中间体的多种构型，再用仅约3万个可训练参数的边感知注意力网络预测过渡态几何。在碳氮载体上的Pt4催化丙烷脱氢中，该流程重建了已知机理，并给出此前手工建模未涉及的竞争路径；作者同时指出，亚稳四面体Pt4虽本征更活泼，但其形成代价使其难以主导实际动力学。
深度剖析
过渡态搜索现在可以从一整片构型空间出发，而不只从能量最低的基态结构出发，从而把亚稳构型和吸附物迁移这类步骤纳入同一张反应路径图。 此前的过渡态搜索通常只连接两个由梯度优化确定的局部能量极小，在真实催化条件下可能错过由有限温度涨落占据、能垒更低的亚稳构型所连通的路径。 在碳氮载体负载Pt4上的丙烷脱氢中，全局搜索找到的最强丙烷吸附位在Pt4与载体的界面处，这一构型在此前手工构建吸附几何的研究中没有出现。
预测过渡态的网络被刻意做小，参数量与可用的表面过渡态数据量相匹配，而不是靠扩大模型容量换取精度。 现有过渡态预测模型通常含超过一百万个可训练参数，而异相催化数据集往往只有约一千个样本，这种容量与信息量的错配容易在化学上不同的体系上失效。 该网络含30089个可训练参数，先在Transition1x上预训练，再在OC20NEB上微调；微调后OC20NEB上的RMSD从0.445降到0.235，而Transition1x上的RMSD仅从0.216变为0.221。
在丙烷脱氢这一实例上，流程不仅复现了既有机理，还给出了亚稳催化剂构型是否参与催化的定量判断。 此前对该反应的机理研究直接在手工搭建的四面体Pt4上进行，没有确定该构型相对基态的位置。 四面体Pt4比平面基态高0.99 eV（95 kJ/mol），其沿路径的总能垒仅低不到20 kJ/mol，因此平面构型仍主导实际动力学。
启示与展望
演示范围是碳氮载体上Pt4团簇催化的丙烷脱氢，包含四个反应状态与两类Pt4构型；作者指出，把计算得到的势能面转换为可与实验比较的动力学，还需要零点能与振动熵等自由能修正，以及把竞争路径网络传播到转换频率等可观测量的微观动力学处理。
作者明确表示不主张该网络达到最先进的预测精度：在Transition1x上其误差比其他单模型预测器高20%—60%，在未参与训练的异构化数据集上误差与TS-GAN相当。力场与密度泛函在I2态上相差20—40 kJ/mol，因此定量能垒仍需密度泛函精修；表面体系的泛化受高质量过渡态数据稀缺约束。