MétaCan
Menu
Retour à la cohorte
Enregistrement W3013568791 · doi:10.1016/j.isci.2020.101012

Synergizing Photo-Thermal H2 and Photovoltaics into a Concentrated Sunlight Use

2020· article· en· W3013568791 sur OpenAlexaff
Sanli Tang, Xueli Xing, Wei Yu, Jie Sun, Yimin Xuan, Lu Wang, Yangfan Xu, Hui Hong, Hongguang Jin

Notice bibliographique

RevueiScience · 2020
Typearticle
Langueen
DomaineEnergy
ThématiqueAdvanced Photocatalysis Techniques
Établissements canadiensUniversity of Toronto
Organismes subventionnairesChinese Academy of Agricultural SciencesChinese Academy of SciencesNational Natural Science Foundation of China
Mots-clésPhotovoltaicsSunlightPhotovoltaic systemSolar energyMaterials scienceRenewable energyOptoelectronicsOpticsPhysicsElectrical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Solar hydrogen and electricity are promising high energy-density renewable sources. Although photochemistry or photovoltaics are attractive routes, special challenge arises in sunlight conversion efficiency. To improve efficiency, various semiconductor materials have been proposed with selective sunlight absorption. Here, we reported a hybrid system synergizing photo-thermochemical hydrogen and photovoltaics, harvesting full-spectrum sunlight in a cascade manner. A simple suspension of Au-TiO 2 in water/methanol serves as a spectrum selector, absorbing ultraviolet-visible and infrared energy for rapid photo-thermochemical hydrogen production. The transmitted visible and near-infrared energy fits the photovoltaic bandgap and retains the high efficiency of a commercial photovoltaic cell under different solar concentration values. The experimental design achieved an overall efficiency of 4.2% under 12 suns solar concentration. Furthermore, the results demonstrated a reduced energy loss in full-spectrum energy conversion into hydrogen and electricity. Such simple integration of photo-thermochemical hydrogen and photovoltaics would create a pathway toward cascading use of sunlight energy.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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 ouverte0,0010,000
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 Opus0,024
Tête enseignante GPT0,266
Écart entre enseignants0,242 · 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'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

Citations51
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueiScienceMême sujetAdvanced Photocatalysis TechniquesTravaux en français237 207