Platinum Cluster/Carbon Quantum Dots Derived Graphene Heterostructured Carbon Nanofibers for Efficient and Durable Solar‐Driven Electrochemical Hydrogen Evolution
Notice bibliographique
Résumé
Abstract Large scale solar‐driven hydrogen production is a crucial step toward decarbonizing society. However, the solar‐to‐hydrogen (STH) conversion efficiency, long‐term stability, and cost‐effectiveness in hydrogen evolution reaction (HER) still need to be improved. Herein, an efficient approach is demonstrated to produce low‐dimensional Pt/graphene‐carbon nanofibers (CNFs)‐based heterostructures for bias‐free, highly efficient, and durable HER. Carbon dots are used as efficient building blocks for the in situ formation of graphene along the CNFs surface. The presence of graphene enhances the electronic conductivity of CNFs to ≈3013.5 S m−1 and simultaneously supports the uniform Pt clusters growth and efficient electron transport during HER. The electrode with a low Pt loading amount (3.4 µg cm−2) exhibits a remarkable mass activity of HER in both acidic and alkaline media, which is significantly better than that of commercial Pt/C (31 µg cm−2 of Pt loading). In addition, using a luminescent solar concentrator‐coupled solar cell to provide voltage, the bias‐free water splitting system exhibits an STH efficiency of 0.22% upon one‐sun illumination. These results are promising toward using low‐dimensional heterostructured catalysts for future energy storage and conversion applications.
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 ».