Plasmonic photocatalysis applied to solar fuels
Notice bibliographique
Résumé
The induction of chemical processes by plasmonic systems is a rapidly growing field with potentially many strategic applications. One of them is the transformation of solar energy into chemical fuel by the association of plasmonic metal nanoparticles (M NPs) and a semi-conductor (SC). When the localized surface plasmon resonance (LSPR) and the SC absorption do not match, one limitation of these systems is the efficiency of hot electron transfer from M NPs to SC through the Schottky barrier formed at the M NP/SC interfaces. Here we show that high surface area 1 wt% Au/TiO2-UV100, prepared by adsorption of a NaBH4-protected 3 nm gold sol, readily catalyzes the photoreduction of carbon dioxide with water into methane under both solar and visible-only irradiation with a CH4vs. H2 selectivity of 63%. Tuning Au NP size and titania surface area, in particular via thermal treatments, highlights the key role of the metal dispersion and of the accessible Au-TiO2 perimeter interface on the direct SC-based solar process. The impact of Au NP density in turn provides evidence for the dual role of gold as co-catalyst and recombination sites for charge carriers. It is shown that the plasmon-induced process contributes up to 20% of the solar activity. The plasmon-based contribution is enhanced by a large Au NP size and a high degree of crystallinity of the SC support. By minimizing surface hydroxylation while retaining a relatively high surface area of 120 m2 g-1, pre-calcining TiO2-UV100 at 450 °C leads to an optimum monometallic system in terms of activity and selectivity under both solar and visible irradiation. A state-of-the-art methane selectivity of 100% is achieved in the hot electron process.
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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».