MétaCan
Menu
Retour à la cohorte
Enregistrement W4293766702 · doi:10.1039/d2ra03308a

Screen-printed p–n BiOCl/BiFeO<sub>3</sub> heterojunctions for efficient photocatalytic degradation of Rhodamine B

2022· article· en· W4293766702 sur OpenAlexafffund
Paul Fourmont, Sylvain G. Cloutier

Notice bibliographique

RevueRSC Advances · 2022
Typearticle
Langueen
DomaineEnergy
ThématiqueAdvanced Photocatalysis Techniques
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésRhodamine BDegradation (telecommunications)HeterojunctionPhotocatalysisMaterials scienceChemical engineeringRhodamineOptoelectronicsPhotochemistryNanotechnologyChemistryOpticsComputer scienceCatalysisOrganic chemistryTelecommunicationsFluorescence

Résumé

récupéré en direct d'OpenAlex

≥ 400 nm). The crystalline structure of dense BiOCl nanosheets self-assembled with impressive aspect ratio atop BFO powders is confirmed by XRD, Raman and TEM measurements. Iron impurities inside these 10 ± 2 nm-thick BiOCl nanosheets increase visible light absorption. Fluorescent Rhodamine B (RhB) dye degradation is used to evaluate the photocatalytic performance of this unique heterojunction material. For optimal metal-enhanced RhB degradation, a few nanometers of platinum are deposited using the sputtering technique to act as a cocatalyst. This unique architecture yields an impressive 92% RhB degradation in only 150 min under visible light. Operating at near-neutral pH, the proposed approach also addresses the key issue of catalysis recovery, which remains one of the main drawbacks of current photocatalysis technologies.

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)0,000
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 enseignants0,277
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,017
Tête enseignante GPT0,276
Écart entre enseignants0,259 · 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

Citations17
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRSC AdvancesMême sujetAdvanced Photocatalysis TechniquesTravaux en français237 207