MétaCan
Menu
Retour à la cohorte
Enregistrement W4377833565 · doi:10.1039/d3cc01512b

Plasmonic nanomaterials for solar-driven photocatalysis

2023· review· en· W4377833565 sur OpenAlexafffund
Qingzhe Zhang, Zhihong Zuo, Dongling Ma

Notice bibliographique

RevueChemical Communications · 2023
Typereview
Langueen
DomaineEnergy
ThématiqueAdvanced Photocatalysis Techniques
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesTaishan Scholar Project of Shandong ProvinceNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of ChinaCanada Research Chairs
Mots-clésPhotocatalysisPlasmonNanomaterialsNanotechnologyMaterials sciencePlasmonic nanoparticlesChemistryOptoelectronicsCatalysisOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Plasmonic nanomaterials have spurred significant research interest in enhanced solar-driven photocatalysis due to their strong localized surface plasmon resonance (LSPR). As this rapid-developing research area has begun to raise and answer fundamental questions that determine the photocatalytic performance of plasmonic photocatalysts, it is an opportune time to evaluate the advancement and propose future trajectories. We first outline the fundamentals of LSPR, including its excitation, decay, and influencing factors. We then discuss three main enhancement mechanisms and their applicable scenarios for plasmonic photocatalysis. We then critically assess the recent works performed by our groups concerning plasmon-enhanced photocatalytic reactions. By introducing related works from other researchers, we demonstrate our contributions to the advancements of plasmonic photocatalysis. Finally, we discuss the current challenges and suggest future directions in three aspects: material development, mechanism exploration, and application extension. It is anticipated to delineate the state-of-the-art and direct future research in plasmon-enhanced value-added chemical transformations.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,964
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0040,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,155
Tête enseignante GPT0,415
Écart entre enseignants0,260 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemical CommunicationsMême sujetAdvanced Photocatalysis TechniquesTravaux en français237 207