化学反应网络的快速探索

各种自然现象包含大量竞争反应和短寿命中间体。对此类过程的任何研究都需要发现并精确建模其潜在的化学反应网络。然而，由于探索所有可能路径的复杂性以及对大量反应进行精确建模的高计算成本，这项任务极具挑战性。幸运的是，这些过程通常仅由网络反应路径的一个有限子集主导。在本工作中，我们提出了一种计算成本低廉的新方法，用于识别和选择复杂反应网络的关键路径，从而使高水平从头算计算能够更有效地针对这些关键反应。该方法通过分析数百个系统副本的加速演化并检测产物形成，来估计给定反应物的反应路径的相对重要性。这种加速 - 检测方法能够极大地加速单分子和双分子反应的活性，而无需任何关于产物或过渡态的先验知识。重要的是，该方法是高效迭代的，因为它可以直接应用于最常观察到的产物，从而提供一种识别扩展化学网络关键反应的高效算法。我们在三个不同系统上验证了该方法的有效性，包括 t-十氢化萘与甲基自由基的反应活性，在所有情况下均在统计误差范围内恢复了预期行为。