MétaCan
Menu
Retour à la cohorte
Enregistrement W2255403248 · doi:10.1002/cphc.201500944

Cu‐Based Nanocomposites as Multifunctional Catalysts

2015· article· en· W2255403248 sur OpenAlexaff
Bharat Kumar, Gyandshwar Kumar Rao, Soumen Saha, Ashok K. Ganguli

Notice bibliographique

RevueChemPhysChem · 2015
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesInstitute of Nano Science and TechnologyIndian Institute of Technology Delhi
Mots-clésNanorodNanocompositeCatalysisSonogashira couplingMaterials scienceNanoparticleYield (engineering)Chemical engineeringHydrothermal circulationAgglomerateHydrothermal synthesisNanotechnologyCoupling reactionChemistryComposite materialOrganic chemistryPalladium

Résumé

récupéré en direct d'OpenAlex

Herein, we report the synthesis of Cu/Cu2 O nanocomposites by a one-step hydrothermal process at 180 °C, for which the resulting morphology is dependent on the hydrothermal reaction time (24, 72, and 120 h). With a longer reaction time of 120 h, a rod-shape morphology is obtained, whereas at 72 and 24 h assemblies of nanoparticles are obtained. The rod-shaped (120 h) particles of the Cu/Cu2 O nanocomposites show a much higher efficiency (6.3 times) than the agglomerates and 2.5 times more than the assemblies of nanoparticles for the hydrogen-evolution reaction. During the oxygen-evolution reaction, the nanorods produce a current that is 5.2 and 3.7 times higher than that produced by the agglomerated and assembled nanoparticles, respectively. The electrocatalysts are shown to be highly stable for over 50 cycles. As catalysts for organic synthesis, a 100 % yield is achieved in the Sonogashira cross-coupling reaction with the nanorods, which is higher than with the other nanocomposite particles. This result demonstrates the significant enhancement of yield obtained with the nanorods for cross-coupling reactions.

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.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,094
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,002

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,238
Écart entre enseignants0,221 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemPhysChemMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207