麻省理工，Nature！

背景：化学反应预测是计算化学与机器学习交叉领域的重要研究方向，传统数据驱动模型常忽略质量守恒原则，导致预测结果出现原子或电子“幻觉”。研究目的：提出基于电子流匹配的生成式模型FlowER，将反应预测重构为电子再分布过程，采用键-电子矩阵表示，严格保证质量和电子守恒。结论：FlowER模型在预测准确性、物理一致性、可解释性和泛化能力方面均优于传统方法，支持多步反应路径预测，并能通过少量样本微调适应未知反应类型，与计算化学工具兼容性好，为反应机制验证和合成设计提供了新范式。