Accurate predictive model of band gap with selected important features based on explainable machine learning
Este estudo demonstra que técnicas de aprendizado de máquina explicável (XML) podem identificar e selecionar as cinco características mais importantes para prever com alta precisão e generalização o gap de banda em nível GW, permitindo a criação de modelos simplificados e confiáveis que reduzem custos computacionais e eliminam a necessidade de características redundantes.