MétaCan
Menu
Retour à la cohorte
Enregistrement W3180137228 · doi:10.1038/s41467-021-24569-9

Boosting photoelectrochemical efficiency by near-infrared-active lattice-matched morphological heterojunctions

2021· article· en· W3180137228 sur OpenAlexaff
Guoqiang Liu, Yuan Yang, Yi Li, Tao‐Tao Zhuang, Xufeng Li, Joshua Wicks, Jie Tian, Min‐Rui Gao, Jinlan Peng, Huanxin Ju, Liang Wu, Yun‐Xiang Pan, Lu‐An Shi, Haiming Zhu, Junfa Zhu, Shu‐Hong Yu, Edward H. Sargent

Notice bibliographique

RevueNature Communications · 2021
Typearticle
Langueen
DomaineEnergy
ThématiqueAdvanced Photocatalysis Techniques
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésHeterojunctionMaterials scienceEnergy conversion efficiencyOptoelectronicsInfraredNanostructureUltravioletTernary operationNanotechnologyOpticsPhysics

Résumé

récupéré en direct d'OpenAlex

Photoelectrochemical catalysis is an attractive way to provide direct hydrogen production from solar energy. However, solar conversion efficiencies are hindered by the fact that light harvesting has so far been of limited efficiency in the near-infrared region as compared to that in the visible and ultraviolet regions. Here we introduce near-infrared-active photoanodes that feature lattice-matched morphological hetero-nanostructures, a strategy that improves energy conversion efficiency by increasing light-harvesting spectral range and charge separation efficiency simultaneously. Specifically, we demonstrate a near-infrared-active morphological heterojunction comprised of BiSeTe ternary alloy nanotubes and ultrathin nanosheets. The heterojunction's hierarchical nanostructure separates charges at the lattice-matched interface of the two morphological components, preventing further carrier recombination. As a result, the photoanodes achieve an incident photon-to-current conversion efficiency of 36% at 800 nm in an electrolyte solution containing hole scavengers without a co-catalyst.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,378
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,018
Tête enseignante GPT0,309
Écart entre enseignants0,290 · 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.

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

Citations56
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetAdvanced Photocatalysis TechniquesTravaux en français237 207