The next big thing for silicon nanostructures – CO<sub>2</sub> photocatalysis
Notice bibliographique
Résumé
Silicene is a relatively new member of the growing family of two-dimensional single-element materials. Both top-down and bottom-up approaches provide access to silicene, the former via vapor deposition on a substrate and the latter via exfoliation of the layered CaSi2 precursor. Most top-down research has been concerned with understanding the various electronic, optical, magnetic, mechanical, electrical, thermal transport and gas-adsorption properties of silicene. By contrast, the focus on bottom-up silicene has primarily been on its synthesis, structure and chemical properties as they relate to its function and utility. Herein, emphasis is placed on the bottom-up strategy because of its scalability and the ease of subsequent silicene modification, with both qualities being important prerequisites for heterogeneous catalysis applications. In this context, synthetic freestanding silicene exists as single sheets or multilayer assemblies, depending on the CaSi2 exfoliation synthesis conditions. The structure of a sheet comprises three connected chair-configuration silicon 6-rings. This connectivity creates buckled sheets in which the hybridization around the unsaturated silicon atoms is sp2-sp3. By adjusting the CaSi2 exfoliation synthesis conditions, either layered silane (Si6H6) or siloxene (Si6H3(OH)3) nanosheets can be obtained. In our studies, we have explored the nucleation and growth of different transition metal nanoparticles on and within the layer spaces of these nanosheets, and explored their thermochemical and photochemical reactivity in CO2 hydrogenation reactions. An overview of these findings, related works and a new-and-optimized catalyst are provided in this article.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».