One-Dimensional CdS/Carbon/Au Plasmonic Nanoarray Photoanodes via In Situ Reduction–Graphitization Approach toward Efficient Solar Hydrogen Evolution
Notice bibliographique
Résumé
Photoelectrochemical (PEC) hydrogen evolution has been acknowledged as a promising “green” technique to convert solar energy into clean chemical fuel. Photoanodes play a key role in determining the performance of PEC systems, spurring numerous efforts to develop advanced materials as well as structures to improve the photoconversion efficiency. In this work, we report the rational design of a plasmonic hierarchical nanorod array, composed of oriented one-dimensional (1D) CdS nanorods decorated with a uniformly wrapped graphite-like carbon (CPDA) layer and Au nanoparticles (Au NPs), as highly efficient photoanode materials. An interfacial in situ reduction–graphitization method has been conducted to prepare the CdS/CPDA/Au nanoarchitecture, where polydopamine (PDA) coating was used as a C source and a reductant. The CdS/CPDA/Au nanoarray photoanode demonstrates superior photoconversion efficiency with a photocurrent density of 8.74 mA/cm2 and an IPCE value (480 nm) of 30.2% (at 1.23 V vs RHE), under simulated sunlight irradiation, which are 12.7 and 13.5 times higher than pristine CdS. The significant enhancement of PEC performance is mainly benefited from the increase of the entire quantum yield and efficiency due to the formation of a Schottky rectifier, localized surface plasmon resonance (LSPR)-enhanced light absorption, and promoted hot-electron injection from interlayered graphene-like carbon. More importantly, thanks to the inhibited charge carrier recombination process and transferred oxidation reaction sites, the fabricated CdS/CPDA/Au photoelectrode exhibits lengthened electron lifetimes and better photostability, illustrating its wonderful potential for future PEC application.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».