Merging Single‐Atom‐Dispersed Iron and Graphitic Carbon Nitride to a Joint Electronic System for High‐Efficiency Photocatalytic Hydrogen Evolution
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Scalable and sustainable solar hydrogen production via photocatalytic water splitting requires extremely active and stable light‐harvesting semiconductors to fulfill the stringent requirements of suitable energy band position and rapid interfacial charge transfer process. Motivated by this point, increasing attention has been given to the development of photocatalysts comprising intimately interfaced photoabsorbers and cocatalysts. Herein, a simple one‐step approach is reported to fabricate a high‐efficiency photocatalytic system, in which single‐site dispersed iron atoms are rationally integrated on the intrinsic structure of the porous crimped graphitic carbon nitride (g‐C 3 N 4 ) polymer. A detailed analysis of the formation process shows that a stable complex is generated by spontaneously coordinating dicyandiamidine nitrate with iron ions in isopropanol, thus leading to a relatively complicated polycondensation reaction upon thermal treatment. The correlation of experimental and computational results confirms that optimized electronic structures of Fe@g‐C 3 N 4 with an appropriate d‐band position and negatively shifting Fermi level can be achieved, which effectively gains the reducibility of electrons and creates more active sites for the photocatalytic reactions. As a result, the Fe@g‐C 3 N 4 exhibits a highlighted intramolecular synergistic effect, performing greatly enhanced solar‐photon‐driven activities, including excellent photocatalytic hydrogen evolution rate (3390 µmol h −1 g −1 , λ > 420 nm) and a reliable apparent quantum efficiency value of 6.89% at 420 nm.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle