MétaCan
Menu
Retour à la cohorte
Enregistrement W2748504006 · doi:10.1088/2399-1984/aa88a1

Roadmap on solar water splitting: current status and future prospects

2017· article· en· W2748504006 sur OpenAlexaff
Sheng Chu, Wei Li, Yanfa Yan, Thomas W. Hamann, I. Shih, Dunwei Wang, Zetian Mi

Notice bibliographique

RevueNano Futures · 2017
Typearticle
Langueen
DomaineEnergy
ThématiqueAdvanced Photocatalysis Techniques
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésPhotocathodeWater splittingPhotocurrentTandemNanotechnologyArtificial photosynthesisSolar energyMaterials scienceEngineering physicsOptoelectronicsPhotocatalysisChemistryElectrical engineeringPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Artificial photosynthesis via solar water splitting provides a promising approach to storing solar energy in the form of hydrogen on a global scale. However, an efficient and cost-effective solar hydrogen production system that can compete with traditional methods using fossil fuels is yet to be developed. A photoelectrochemical (PEC) tandem cell consisting of a p-type photocathode and an n-type photoanode, with the photovoltage provided by the two photoelectrodes, is an attractive route to achieve highly efficient unassisted water splitting at a low cost. In this article, we provide an overview of recent developments of semiconductor materials, including metal oxides, nitrides, chalcogenides, Si, III–V compounds and organics, either as photocathodes or photoanodes for water reduction and oxidation, respectively. In addition, recent efforts in constructing a PEC tandem system for unassisted water splitting are outlined. The importance of developing a single-photon photocathode and photoanode that can deliver high photocurrent in the low bias region for efficient PEC tandem system is highlighted. Finally, we discuss the future development of photoelectrode materials, and viable solutions to realize highly efficient PEC water splitting device for practical applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,004
Science ouverte0,0010,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0210,004

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 GPT0,289
Écart entre enseignants0,277 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations220
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNano FuturesMême sujetAdvanced Photocatalysis TechniquesTravaux en français237 207