A review on photocatalytic CO <sub>2</sub> reduction using perovskite oxide nanomaterials
Notice bibliographique
Résumé
Abstract As the search for efficient catalysts for CO 2 photoreduction continues, nanostructured perovskite oxides have emerged as a class of high-performance photocatalytic materials. The perovskite oxide candidates for CO 2 photoreduction are primarily nanostructured forms of titanates, niobates, tantalates and cobaltates. These materials form the focus of this review article because they are much sought-after due to their nontoxic nature, adequate chemical stability, and tunable crystal structures, bandgaps and surface energies. As compared to conventional semiconductors and nanomaterial catalysts, nanostructured perovskite oxides also exhibit an extended optical-absorption edge, longer charge carrier lifetimes, and favorable band-alignment with respect to reduction potential of activated CO 2 and reduction products of the same. While CO 2 reduction product yields of several hundred μ mol −1 h −1 are observed with many types of perovskite oxide nanomaterials in stand-alone forms, yield of such quantities are not common with semiconductor nanomaterials of other types. In this review, we present current state-of-the-art synthesis methods to form perovskite oxide nanomaterials, and procedures to engineer their bandgaps. This review also presents a comprehensive summary and discussion on crystal structures, defect distribution, morphologies and electronic properties of the perovskite oxides, and correlation of these properties to CO 2 photoreduction performance. This review offers researchers key insights for developing advanced perovskite oxides in order to further improve the yields of CO 2 reduction products.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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.
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 ».