MétaCan
Menu
Retour à la cohorte
Enregistrement W2988550442 · doi:10.1021/acs.chemrev.9b00187

Applications of Plasmon-Enhanced Nanocatalysis to Organic Transformations

2019· review· en· W2988550442 sur OpenAlexafffund
Alexandra Gellé, Tony Jin, Luis de la Garza, Gareth D. Price, Lucas V. Besteiro, Audrey Moores

Notice bibliographique

RevueChemical Reviews · 2019
Typereview
Langueen
DomaineMaterials Science
ThématiqueGold and Silver Nanoparticles Synthesis and Applications
Établissements canadiensMcGill UniversityInstitut National de la Recherche ScientifiqueCentre in Green Chemistry and Catalysis
Organismes subventionnairesCanada Foundation for InnovationNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsMcGill University
Mots-clésChemistryCatalysisPlasmonNanotechnologySurface plasmon resonanceNanoparticleContext (archaeology)Organic reactionOrganic synthesisOrganic chemistryMaterials scienceOptoelectronics

Résumé

récupéré en direct d'OpenAlex

Localized surface plasmon resonance (LSPR) is a physical phenomenon exhibited by nanoparticles of metals including coinage metals, alkali metals, aluminum, and some semiconductors which translates into electromagnetic, thermal, and chemical properties. In the past decade, LSPR has been taken advantage of in the context of catalysis. While plasmonic nanoparticles (PNPs) have been successfully applied toward enhancing catalysis of inorganic reactions such as water splitting, they have also demonstrated exciting performance in the catalysis of organic transformations with potential applications in synthesis of molecules from commodity to pharmaceutical compounds. The advantages of this approach include improved selectivity, enhanced reaction rates, and milder reaction conditions. This review provides the basics of LSPR theory, details the mechanisms at play in plasmon-enhanced nanocatalysis, sheds light onto such nanocatalyst design, and finally systematically presents the breadth of organic reactions hence catalyzed.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,044
Tête enseignante GPT0,322
Écart entre enseignants0,278 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations540
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemical ReviewsMême sujetGold and Silver Nanoparticles Synthesis and ApplicationsTravaux en français237 207