Enhanced CH4 yield by photocatalytic CO2 reduction using TiO2 nanotube arrays grafted with Au, Ru, and ZnPd nanoparticles
Notice bibliographique
Résumé
Metal nanoparticle (NP) co-catalysts on metal oxide semiconductor supports are attracting attention as photocatalysts for a variety of chemical reactions. Related efforts seek to make and use Pt-free catalysts. In this regard, we report here enhanced CH 4 formation rates of 25 and 60 μmol·g –1 ·h –1 by photocatalytic CO 2 reduction using hitherto unused ZnPd NPs as well as Au and Ru NPs. The NPs are formed by colloidal synthesis and grafted onto short n-type anatase TiO 2 nanotube arrays (TNAs), grown anodically on transparent glass substrates. The interfacial electric fields in the NP-grafted TiO 2 nanotubes were probed by ultraviolet photoelectron spectroscopy (UPS). Au NP-grafted TiO 2 nanotubes (Au-TNAs) showed no band bending, but a depletion region was detected in Ru NP-grafted TNAs (Ru-TNAs) and an accumulation layer was observed in ZnPd NP-grafted TNAs (ZnPd-TNAs). Temperature programmed desorption (TPD) experiments showed significantly greater CO 2 adsorption on NP-grafted TNAs. TNAs with grafted NPs exhibit broader and more intense UV–visible absorption bands than bare TNAs. We found that CO 2 photoreduction by nanoparticle-grafted TNAs was driven not only by ultraviolet photons with energies greater than the TiO 2 band gap, but also by blue photons close to and below the anatase band edge. The enhanced rate of CO 2 reduction is attributed to superior use of blue photons in the solar spectrum, excellent reactant adsorption, efficient charge transfer to adsorbates, and low recombination losses.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».