遷移状態（TS）は化学反応のメカニズムを理解する上で重要ですが、実験的および計算的アプローチの複雑さにより、その探索は制限されています。本研究では、反応物と生成物からTSを予測する流れマッチングフレームワークTS-DFMを提案します。このフレームワークは分子距離幾何空間で動作し、化学反応における原子間距離の動的変化を明示的に捉えます。TS幾何学を正確に生成するための速度場を学習するために設計されたTSDVNetというネットワーク構造を使用し、BenchmarkデータセットTransition1Xで、従来の最先端手法React-OTと比較して、構造的精度で30%の改善を達成しました。これらの予測されたTSは高品質な初期構造を提供し、CI-NEB最適化の収束を加速します。また、TS-DFMは代替反応経路を特定でき、実験ではエネルギー障壁の低いより有利なTSも発見されました。RGD1データセットでのテストは、この手法の見えない分子や反応タイプに対する強い一般化能力を確認し、反応探索の促進に向けた可能性を示しています。