Advances in fabrication, physio-chemical properties, and sensing applications of non-metal boron nitride and boron carbon nitride-based nanomaterials
Notice bibliographique
Résumé
Boron carbon nitride (BCN) and boron nitride (BN), semiconductor nanomaterials with high versatility, have attracted attention because of their mechanical toughness, thermal conductivity, electrical insulation, improved in terms of oxidation resistance, and chemical stability. While BCN is commonly recognized for its ability to adjust the bandgap, the porosity is a captivating yet relatively unexplored characteristic. The presence of pores in BCN offers advantages such as a large surface area and pore size, which can significantly improve efficiency compared to non-porous materials. Moreover, BCN exhibits diverse morphologies, including nanoparticles, nanosheets, nanotubes, nanoplates, and aerogels, each possessing distinctive and remarkable properties when compared to similar structures. These composites can be separated into ceramic and polymer nanocomposites depending on the matrix utilized. This study reviews the definition, properties, various types, and synthesis methods of BN and BCN-based nanocomposite materials. Moreover, their significant use in developing electrochemical and optical sensing and biosensing platforms, gas sensors, pH sensors, and pressure sensors has been reported. These composites have several uses in pollutant degradation, photocatalysts, photovoltaics, and drug delivery. Furthermore, the future of semiconductor/BN and BCN composites and the challenges associated with producing composite materials on a large scale are examined. This review will assist in the production of highly efficient BN and BCN-based materials.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».