MétaCan
Menu
Retour à la cohorte
Enregistrement W2802656819 · doi:10.1038/s41467-018-04067-1

A photochemical diode artificial photosynthesis system for unassisted high efficiency overall pure water splitting

2018· article· en· W2802656819 sur OpenAlexafffund
Faqrul A. Chowdhury, Michel L. Trudeau, Guo Hong, Zetian Mi

Notice bibliographique

RevueNature Communications · 2018
Typearticle
Langueen
DomaineEnergy
ThématiqueAdvanced Photocatalysis Techniques
Établissements canadiensHydro-QuébecMcGill University
Organismes subventionnairesU.S. Department of EnergyMcGill UniversityOffice of Energy Efficiency and Renewable EnergyOffice of Energy EfficiencyEmissions Reduction AlbertaHydro-Québec
Mots-clésArtificial photosynthesisWater splittingMaterials sciencePhotochemistryQuantum yieldEnergy conversion efficiencyPhotocatalysisSolar energyOptoelectronicsEnergy transformationReagentDiodePhotosynthesisQuantum efficiencyHydrogenChemistryPhysicsOpticsFluorescence

Résumé

récupéré en direct d'OpenAlex

Abstract The conversion of solar energy into chemical fuels can potentially address many of the energy and environment related challenges we face today. In this study, we have demonstrated a photochemical diode artificial photosynthesis system that can enable efficient, unassisted overall pure water splitting without using any sacrificial reagent. By precisely controlling charge carrier flow at the nanoscale, the wafer-level photochemical diode arrays exhibited solar-to-hydrogen efficiency ~3.3% in neutral (pH ~ 7.0) overall water splitting reaction. In part of the visible spectrum (400–485 nm), the energy conversion efficiency and apparent quantum yield reaches ~8.75% and ~20%, respectively, which are the highest values ever reported for one-step visible-light driven photocatalytic overall pure water splitting. The effective manipulation and control of charge carrier flow in nanostructured photocatalysts provides critical insight in achieving high efficiency artificial photosynthesis, including the efficient and selective reduction of CO2 to hydrocarbon fuels.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,020
Tête enseignante GPT0,303
Écart entre enseignants0,282 · 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'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

Citations169
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetAdvanced Photocatalysis TechniquesTravaux en français237 207