MétaCan
Menu
Retour à la cohorte
Enregistrement W2288615221 · doi:10.1002/aenm.201502555

Transition Metal Disulfides as Noble‐Metal‐Alternative Co‐Catalysts for Solar Hydrogen Production

2016· article· en· W2288615221 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueAdvanced Energy Materials · 2016
Typearticle
Langueen
DomaineEnergy
ThématiqueAdvanced Photocatalysis Techniques
Établissements canadiensMinistry of Education and Child Care
Organismes subventionnairesnon disponible
Mots-clésTungsten disulfideMolybdenum disulfideMaterials scienceCatalysisHydrogen productionNanotechnologyTransition metalSolar energyHydrogenWater splittingNoble metalMetalPhotocatalysisChemistryMetallurgyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The production of hydrogen fuels by using sunlight is an attractive and sustainable solution to the global energy and environmental problems. Platinum (Pt) is known as the most efficient co‐catalyst in hydrogen evolution reaction (HER). However, due to its high‐cost and limited‐reserves, it is highly demanded to explore alternative non‐precious metal co‐catalysts with low‐cost and high efficiency. Transition metal disulfides (TMDs) including molybdenum disulfide and tungsten disulfide have been regarded as promising candidates to replace Pt for HER in recent years. Their unique structural and electronic properties allow them to have many opportunities to be designed as highly efficient co‐catalysts over various photo harvesting semiconductors. Recent progress in TMDs as photo‐cocatalysts in solar hydrogen production field is summarized, focusing on the effect of structural matchability with photoharvesters, band edges tunability, and phase transformation on the improvement of hydrogen production activities. Moreover, recent research efforts toward the TMDs as more energy‐efficient and economical co‐catalysts for HER are highlighted. Finally, this review concludes by critically summarizing both findings and current perspectives, and highlighting crucial issues that should be addressed in future research activities.

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 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)
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 enseignants0,068
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,280
Écart entre enseignants0,268 · 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