High Surface Area Mesoporous Silicon Nanoparticles Prepared via Two-Step Magnesiothermic Reduction for Stoichiometric CO<sub>2</sub> to CH<sub>3</sub>OH Conversion
Notice bibliographique
Résumé
Magnesiothermic reduction of silicon oxide can result in the formation of nanostructured, mesoporous elemental silicon (mp-Si), which has been explored in a variety of energy applications such as Li-ion battery anodes, photocatalytic water splitting, CO2 reduction, drug delivery vehicles, and sensors as well as for gas storage. The physical properties of the resultant mp-Si generated via magnesiothermic reduction, and thus the potential utility, are highly dependent on the specific reduction conditions utilized. Herein, we report a modified magnesiothermic reduction method which allows for the synthesis of high surface area mp-Si nanoparticles. The reaction was initiated at 650 °C and then cooled to a lower temperature to minimize heat-induced morphological damage. The nanoparticles were characterized by using powder X-ray diffraction, scanning and transmission electron microscopies, and N2 adsorption isotherm measurements. Particles prepared by using two-step annealing with the initial processing condition of 650 °C for 30 min followed by 300 °C for 4 h resulted in crystalline and completely reduced mp-Si with a high specific surface area of 542 ± 18 m2/g. mp-Si nanoparticles generated by using these specific parameters were further used for stoichiometric CO2 conversion to CH3OH, and the reaction yields were 2.5 times higher than prior reports, demonstrating usefulness in effecting an important chemical transformation.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,003 |
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 tête enseignante, 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 ».