Graphene Quantum Dots‐Based Advanced Electrode Materials: Design, Synthesis and Their Applications in Electrochemical Energy Storage and Electrocatalysis
Notice bibliographique
Résumé
Abstract Graphene quantum dots (GQDs) have aroused great interest in the scientific community in recent years due to their unique physicochemical properties and potential applications in different fields. To date, much research has been conducted on the ingenious design and rational construction of GQDs‐based nanomaterials used as electrode materials and/or electrocatalysts. Despite these efforts, research on the efficient synthesis and application of GQDs‐based nanomaterials is still in the early stages of development and timely updates of recent research progress on new design concepts, synthetic strategies, and significant breakthroughs in GQDs‐based nanomaterials are highly desired. In light of the above, the effect of synthetic methods on the final product of the GQDs, the GQDs synthesis mechanism, and specific perspectives regarding the effect of the unique surface and structural properties of GQDs (e.g., defects, heteroatom doping, surface/edge state, size, conductivity) on the electrochemical energy‐related systems are discussed in‐depth in this review. Additionally, this review also focuses on the design of GQDs‐based composites and their applications in the fields of electrochemical energy storage (e.g., supercapacitors and batteries) and electrocatalysis (e.g., fuel cell, water splitting, CO 2 reduction), along with constructive suggestions for addressing the remaining challenges in the field.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».