将内坐标插值融入冻结弦方法（Freezing String Method）
Incorporation of Internal Coordinates Interpolation into the Freezing String Method
AI总结：
本研究将内坐标插值融入冻结弦方法（FSM）以改进过渡态搜索的初始结构猜测，在3个基准数据集超40个反应上测试表明，该方法在保持100%成功率的同时将计算成本降低近50%，并提供了开源实现及相关结构数据。
摘要：
我们提出了一种用于确定过渡态搜索初始猜测结构的改进方法，核心是将内坐标插值融入冻结弦方法（Freezing String Method，FSM）。我们在3个基准数据集的40余个反应上测试了该方法，这些数据集覆盖了多样的化学反应类型。结果表明，内坐标插值的融入提升了FSM的可靠性，支持使用更大的插值步长，且每个循环所需的优化步骤更少，二者共同使计算成本降低了近50%，同时在基准化学反应测试用例上保持100%的成功率，包括此前基于线性同步渡越插值的方法未能成功的体系。我们还提供了FSM的开源Python实现，以及所有研究反应的反应物、产物和过渡态结构。
英文摘要：
We present an improved method for determining guess structures for transition state searches by incorporating internal coordinates interpolation into the freezing string method (FSM). We test our method on over 40 reactions across 3 benchmark datasets covering a diverse set of chemical reactions. Our results show that incorporation of internal coordinates interpolation improves the reliability of the FSM, enabling larger interpolation step sizes and fewer optimization steps per cycle, which together yield nearly a 50\% reduction in computational cost while maintaining a 100\% success rate on benchmark chemical reaction test cases, including systems where previous attempts based on linear synchronous transit interpolation have failed. We provide an open-source Python implementation of the FSM, in addition to the reactant, product, and transition state structures of all reactions studied.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
