In-situ fabrication of metal oxide nanocaps based on biphasic reactions with surface nanodroplets
Notice bibliographique
Résumé
Surface-bound nanomaterials are widely used in clean energy techniques from lithium batteries, solar-driven evaporation in desalination to hydrogen production by photocatalytic electrolysis. Reactive surface nanodroplets may potentially streamline the process of fabrication of a range of surface-bound nanomaterials invoking biphasic reactions at interfaces. In this work, we demonstrate the feasibility of reactive surface nanodroplets for in-situ synthesis and anchoring of nanocaps of metal oxides with tailored porous structures. Spatial arrangement and surface coverage of nanocaps are predetermined during the formation of reactive nanodroplets, while the crystalline structures of metal oxides can be controlled by thermal treatment of organometallic nanodroplets produced from the biphasic reactions. Notably, tuning the ratio of reactive and non-reactive components in surface nanodroplets enables the formation of porous nanocaps that can double photocatalytic efficiency in the degradation of organic contaminants in water, compared to smooth nanocaps. In total, we demonstrate in-situ fabrication of four types of metal oxides in the shape of nanocaps. Our work shows that reactive surface nanodroplets may open a door to a general, fast and tuneable route for preparing surface-bound metal oxides. This fabrication approach may help develop new nanomaterials needed for photocatalytic reactions, wastewater treatment, optical focusing, solar energy conversion and other clean energy techniques.
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 | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».