Highly active PtAu alloy nanoparticle catalysts for the reduction of 4-nitrophenol
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
To enhance the catalytic activity of gold nanoparticles (AuNPs) for the hydrogenation of nitro-aromatic chemicals, Pt was introduced into AuNPs to form "bare" PtAu alloy NPs using a physical approach, pulsed laser ablation in liquid (PLAL), on single metal-mixture targets. These PLAL-NPs are deemed to favor catalysis due to the absence of any surfactant molecules on their unique "bare and clean" surface. The PLAL-NPs were facilely assembled onto CeO2 nanotubes (NTs) by simply mixing them without conducting any surface functionalization, representing another advantage of these NPs. Their catalytic activity was assessed in 4-nitrophenol (4-NP) hydrogenation. The reaction catalyzed by alloy-NP/CeO2-NT catalysts demonstrates a remarkably higher reaction rate in comparison with that catalyzed by pure Au and Pt NPs, and other similar Au and Pt containing catalysts reported recently. A "volcano-like" catalytic activity dependence of the alloy NPs on their chemical composition suggests a strong synergistic effect between Au and Pt in the 4-NP reduction, far beyond the simple sum of their individual contributions. It leads to the significantly enhanced catalytic activity of Pt30Au70 and Pt50Au50 alloy NPs, outperforming not only each single constituent, but also their physical mixtures and most recently reported AuNP based nanocatalysts. The favorable d-band center shift of Pt after alloying, and co-operative actions between Pt clusters and nearby Au (or mixed PtAu) sites were proposed as possible mechanisms to explain such a strong synergistic effect on catalysis.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle