Efficient Photoelectrochemical Hydrogen Generation Using Eco-Friendly “Giant” InP/ZnSe Core/Shell Quantum Dots
Notice bibliographique
Résumé
InP quantum dots (QDs) are promising building blocks for use in solar technologies because of their low intrinsic toxicity, narrow bandgap, large absorption coefficient, and low-cost solution synthesis. However, the high surface trap density of InP QDs reduces their energy conversion efficiency and degrades their long-term stability. Encapsulating InP QDs into a wider bandgap shell is desirable to eliminate surface traps and improve optoelectronic properties. Here, we report the synthesis of “giant” InP/ZnSe core/shell QDs with tunable ZnSe shell thickness to investigate the effect of the shell thickness on the optoelectronic properties and the photoelectrochemical (PEC) performance for hydrogen generation. The optical results demonstrate that ZnSe shell growth (0.9–2.8 nm) facilitates the delocalization of electrons and holes into the shell region. The ZnSe shell simultaneously acts as a passivation layer to protect the surface of InP QDs and as a spatial tunneling barrier to extract photoexcited electrons and holes. Thus, engineering the ZnSe shell thickness is crucial for the photoexcited electrons and hole transfer dynamics to tune the optoelectronic properties of “giant” InP/ZnSe core/shell QDs. We obtained an outstanding photocurrent density of 6.2 mA cm –1 for an optimal ZnSe shell thickness of 1.6 nm, which is 288% higher than the values achieved from bare InP QD-based PEC cells. Understanding the effect of shell thickness on surface passivation and carrier dynamics offers fundamental insights into the suitable design and realization of eco-friendly InP-based “giant” core/shell QDs toward improving device 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».