Femtosecond laser irradiation as a novel method for nanosheet growth and defect generation in g-C<sub>3</sub>N<sub>4</sub>
Notice bibliographique
Résumé
Abstract Among the many recently developed photo-catalytic materials, graphitic carbon nitride (g-C 3 N 4 ) shows great promise as a catalytic material for water splitting, hydrogen generation, and related catalytic applications. Herein, synthesized bulk g-C 3 N 4 is simply irradiated under a 35 fs pulse at mixed photon energies (800 nm and its second harmonic). g-C 3 N 4 was synthesized from melamine following a facile thermal polymerization procedure. The prepared material was introduced, in an aqueous environment, to the femtosecond laser for various lengths of time. The treated material demonstrates a significant increase in surface area, relative to the untreated samples, indicating that irradiation is a successful method for exfoliation. The subsequent characterization reveals that the mixed irradiation process drives significant defect generation and sheet growth, which is not seen under 800 nm irradiation. Extended mixed irradiation results in 4 nm thick nanosheets with lateral dimensions 4× that of the bulk material. The treated material shows improved dye absorption/removal. This novel method of defect generation and nanosheet growth shows great potential as a g-C 3 N 4 pre-treatment method for co-catalytic applications. Herein it is shown that femtosecond laser irradiation drives exfoliation beyond 100 nm particle sizes, and sheet-like morphologies under extended irradiation, which must be taken into account when using this method to improve material performance.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».