在化学反应中，分子获得能量，直到达到所谓的过渡态——反应必须从这个不归路点开始。这种状态转瞬即逝，几乎不可能通过实验观察到。这些过渡态的结构可以使用基于量子化学的技术来计算，但这个过程非常耗时。麻省理工学院的一组研究人员现在开发了一种基于机器学习的替代方法，可以在几秒钟内更快地计算出这些结构。他们的新模型可以用来帮助化学家设计新的反应和催化剂，以产生有用的产品，如燃料或药物，或者模拟自然发生的化学反应，例如那些可能有助于推动地球生命进化的化学反应。

　　作为他们模型的训练数据，研究人员使用了使用量子计算方法计算的9000种不同化学反应的反应物、产物和过渡态的结构。一旦模型了解了这三种结构如何共存的基本分布，我们就可以给它新的反应物和产物，它将试图产生一种与这些反应物和产品配对的过渡态结构。研究人员在大约1000个以前从未见过的反应上测试了他们的模型，要求它为每个过渡状态生成40个可能的解决方案。然后，他们使用“置信模型”来预测哪些状态最有可能发生。与使用量子技术产生的过渡态结构相比，这些溶液精确到0.08埃（一亿分之一厘米）以内。每个反应的整个计算过程只需几秒钟。研究人员表示，这类模型的另一个潜在应用是探索其他行星上发现的气体之间可能发生的相互作用，或者模拟地球上生命早期进化过程中可能发生的简单反应。

　　资讯来源：麻省理工学院官网