Accurate predictive model of band gap with selected important features based on explainable machine learning
Questo studio dimostra che l'uso di tecniche di machine learning spiegabile (XML) per selezionare le cinque caratteristiche più rilevanti da un modello di regressione a vettori di supporto permette di costruire un modello predittivo del band gap più accurato, generalizzabile ed efficiente, eliminando al contempo le caratteristiche ridondanti per migliorare l'affidabilità nella scoperta di materiali.