MétaCan
Menu
Retour à la cohorte
Enregistrement W2912916450 · doi:10.3390/ma12030535

ZnO Synthesized Using Bipolar Electrochemistry: Structure and Activity

2019· article· en· W2912916450 sur OpenAlexaff
Arya Hakimian, Steven McWilliams, Anna Ignaszak

Notice bibliographique

RevueMaterials · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueZnO doping and properties
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésElectrochemistryMaterials scienceChemistryElectrodePhysical chemistry

Résumé

récupéré en direct d'OpenAlex

The photoactive materials broadly applied in catalysis and energy conversion are generally composed of metal oxides. Among these oxides, ZnO showed a promising photocatalytic activity; however, traditional synthetic routes generated by-products and large amounts of secondary waste. Herein, we report the use of bipolar electrochemistry to generate ZnO nanoparticles using deionized water and a zinc metal to conform to green chemistry practices. TEM imaging demonstrated that the sizes of the bipolar-made ZnO particles were smaller than the commercial sample. The presence of structural defects in ZnO was correlated with the chemical shifts analyzed by X-ray photoelectron spectroscopy (XPS) and by different concentrations of O2− ions in stoichiometric and defected lattice. Further, the diffuse reflectance UV–Vis studies demonstrated a blue-shift in the reflectance spectrum for the bipolar-made oxide. This was also an indication of defects in the ZnO lattice, which related to the formation of shallow levels in the bandgap of the material. The structural and morphological differences influenced the photocatalytic characteristics, revealing a higher photocurrent for the bipolar-made ZnO when compared to the reference sample. This was further manifested in lower total resistivity for all anodes made from the non-stoichiometric ZnO, and also in their shorter diffusion length for charge exchange and electron lifetimes.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,002
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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)0,0020,000

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 Opus0,012
Tête enseignante GPT0,223
Écart entre enseignants0,211 · 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 tête enseignante, pas un consensus.

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

Citations13
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterialsMême sujetZnO doping and propertiesTravaux en français237 207