TS-GEN est un modèle génératif conditionnel cohérent en flux qui mappe des échantillons d'une distribution a priori gaussienne simple vers une géométrie de point selle d'état de transition (TS) en une seule étape déterministe. Il remplace l'optimisation itérative couramment utilisée dans les algorithmes de bande élastique décalée ou de méthode des cordes en incluant les informations structurelles des réactifs et des produits comme informations conditionnelles et convertit le bruit potentiel en véritables structures TS via des voies de transport optimales. TS-GEN atteint une précision de 0,004 Å RMSD (amélioration de 0,103 Å par rapport à l'état de l'art précédent), une erreur moyenne de hauteur de barrière de 1,019 kcal/mol (amélioration de 2,864 kcal/mol par rapport à l'état de l'art précédent) et ne nécessite que 0,06 s de temps GPU par inférence. Plus de 87 % des TS générés satisfont au critère de précision chimique (erreur < 1,58 kcal/mol), surpassant ainsi largement les méthodes existantes. Il démontre également une forte transférabilité aux réactions hors distribution dans des bases de données plus vastes. Il allie une très grande précision, une grande rapidité et une large applicabilité, ce qui le rend très utile pour l'exploration à haut débit de réseaux réactionnels complexes, ouvrant ainsi la voie à l'exploration de nouveaux mécanismes de réactions chimiques.
