Notice bibliographique
Résumé
Combining nanomaterials of different properties into nanohybrids can potentially lead to improved properties/performance or multiple functions. In particular, forming nanomaterials junctions and using plasmons represent two important, promising strategies for realizing broadband photocalysis in strategically important applications such as solar fuels and photocatalytic degradation of pollutants in our environments. In this talk, I will present some of our recent work on the rational design and realization of nanohybrid materials as well as their applications in solar fuel and photocatalysis. For instance, the construction of homojunctions of nanoplates made of metal–organic frameworks (MOF) led to broadened light absorption and increased photoactivity. The well-defined MOF homojunction was prepared by a facile one-pot synthesis route directed by hollow transition metal nanoparticles. The homojunction is enabled by two concentric stacked nanoplates with slightly different crystal phases. The enhanced charge separation in the homojunction was visualized by in-situ surface photovoltage microscopy. The as-prepared nanostacks displayed a visible-light-driven carbon dioxide reduction with very high carbon monooxide selectivity, and excellent stability. Another example is about the in situ synthesis of plasmonic Ag nanoparticles (AgNPs) and Ag-MOM (metal organic matrix) using one-step facile approach. The intimate and stable interface between the AgNPs and Ag-MOM and hot electron transfer from the plasmonic AgNPs to MOM led to highly efficient visible-light photocatalytic H2 generation in aqueous solution, which surpasses most of reported MOF-based photocatalytic systems. This work sheds light on effective electronic and energy bridging between plasmonic NPs and metal organic matrix. Related References: [1] Nature communications, 12, Article number: 1231 (2021); [2] Nature communications, 2022, under revision; [3] Chemistry of Materials, 2021, 33, 695-705; [4] Adv. Funct. Mater. 2019, 1902486.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,089 | 0,084 |
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 ».