Composites of Ag-Doped ZnIn<sub>2</sub>S<sub>4</sub> Nanoplates with Graphitic Carbon Nitride and Reduced Graphene Oxide Nanosheets for Sunlight-Driven Hydrogen Production and Water Purification
Notice bibliographique
Résumé
Photocatalysis is considered a promising technology to alleviate the energy crisis and environmental pollution; however, developing photocatalysts with improved light absorption efficiency is still a challenge. In this work, an effective strategy was proposed to synthesize a highly functional ternary nanocomposite (g-C 3 N 4 /RGO/AZIS) by coupling broader light-absorbing Ag-doped ZnIn 2 S 4 (AZIS) nanoplates with ultrathin g-C 3 N 4 and reduced graphene oxide (RGO) nanosheets. The 2D-on-2D stacking nanostructure of the composite provides a compact heterojunction, enlarged interfaces, and enriched active sites, resulting in the accelerated separation and relocation kinetics of charge carriers. Benefiting from these advantages, the g-C 3 N 4 /RGO/AZIS nanocomposite with systematically optimized contents of RGO and AZIS can serve as an efficient bifunctional photocatalyst for both H 2 production from water splitting and methyl orange (MO) photodegradation under the irradiation of visible light. The H 2 production rate of the ternary nanocomposite is 658.5 μmol h –1 g –1, which is 38 times higher than that of plain g-C 3 N 4 . The operation mechanism is proposed based on the results of scavenger tests and photoelectrochemical analysis. The formation of a type-II heterostructure between AZIS nanoplates and g-C 3 N 4 nanosheets along with RGO with lower potential can maximize the separation efficiency of photogenerated electron–hole pairs and decrease the charge recombination. This work provides a viable strategy to develop bifunctional photocatalysts with enhanced performance for both H 2 production and degradation of organic dyes.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,000 | 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 ».