MétaCan
Menu
Retour à la cohorte
Enregistrement W3158983239 · doi:10.1142/s1088424621300020

Porphyrin-based MOFs as heterogeneous photocatalysts for the eradication of organic pollutants and toxins

2021· article· en· W3158983239 sur OpenAlexaff
Pierre D. Harvey

Notice bibliographique

RevueJournal of Porphyrins and Phthalocyanines · 2021
Typearticle
Langueen
DomaineChemistry
ThématiqueMetal-Organic Frameworks: Synthesis and Applications
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésChemistryPorphyrinPollutantMetal-organic frameworkRenewable energyEnvironmental chemistryReactive oxygen speciesNanotechnologyElectron transferPhotochemistryOrganic chemistryMaterials science

Résumé

récupéré en direct d'OpenAlex

Water and air pollution are among the major environmental challenges of this era. Waste management, economic sustainable development and renewable energy are unavoidable concomitant considerations. Over the past five years, nanosized metal-organic frameworks (nano-MOFs) have been developed for the elimination of pollutants in wet media and air-born toxins using the highly efficient reactive oxygen species (ROS) of type I (H 2 O 2 , •OH, O[Formula: see text] and of type II ( 1 O[Formula: see text]. The ROS are catalytically and efficiently generated through photosensitization, and porphyrins and metalloporphyrins are pigments of choice for this purpose. This short review summarizes the fundamentals of ROS generation by porphyrin-based nano-MOFs (mainly through the formation of ROS type II) and their composites (leading to ROS type I), which includes energy and electron transfer processes, and their applications in these environmental issues.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,010
Score d'incertitude au seuil0,853

Scores Codex et Gemma par catégorie

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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,016
Tête enseignante GPT0,254
Écart entre enseignants0,238 · 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 tête enseignante, 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

Citations26
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Porphyrins and PhthalocyaninesMême sujetMetal-Organic Frameworks: Synthesis and ApplicationsTravaux en français237 207