Boosting Photocatalytic Activity Using Carbon Nitride Based 2D/2D van der Waals Heterojunctions
Notice bibliographique
Résumé
The surging demand for energy and staggering pollutants in the environment have geared the scientific community to explore sustainable pathways that are economically feasible and environmentally compelling. In this context, harnessing solar energy using semiconductor materials to generate charge pairs to drive photoredox reactions has been envisioned as a futuristic approach. Numerous inorganic crystals with promising nanoregime properties investigated in the past decade have yet to demonstrate practical application due to limited photon absorption and sluggish charge separation kinetics. Two-dimensional semiconductors with tunable optical and electronic properties and quasi-resistance-free lateral charge transfer mechanisms have shown great promise in photocatalysis. Polymeric graphitic carbon nitride (g-C 3 N 4 ) is among the most promising candidates due to fine-tuned band edges and the feasibility of optimizing the optical properties via materials genomics. Constructing a two-dimensional (2D)/2D van der Waals (vdW) heterojunction by allies of 2D carbon nitride sheets and other 2D semiconductors has demonstrated enhanced charge separation with improved visible photon absorption, and the performance is not restricted by the lattice matching of constituting materials. With the advent of new 2D semiconductors over the recent past, the 2D/2D heterojunction assemblies are gaining momentum to design high performance photocatalysts for numerous applications. This review aims to highlight recent advancements and key understanding in carbon nitride based 2D/2D heterojunctions and their applications in photocatalysis, including small molecules activation, conversion, and degradations. We conclude with a forward-looking perspective discussing the key challenges and opportunity areas for future research.
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 | 0,001 | 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 ».