Nitrogen-Doped Graphene Materials with High Electrical Conductivity Produced by Electrochemical Exfoliation of Graphite Foil
Notice bibliographique
Résumé
Nitrogen-doped graphene-based materials are of utmost importance in sensing and energy conversion devices due to their unique physicochemical properties. However, the presence of defects such as pyrrolic nitrogen and oxygenated functional groups reduces their electrical conductivity. Herein, a two-step approach based on the electrochemical exfoliation of graphite foils in aqueous mixed electrolytes followed by thermal reduction at 900 °C is used to prepare high-quality few layers of N-doped graphene-based materials. The exfoliations were conducted in 0.1 M (NH4)2SO4 or H2SO4 and HNO3 (5 mM or 0.1 M) electrolytes mixtures and the HNO3 vol% varied. Chemical analysis demonstrated that the as-prepared graphene oxides contain nitro and amine groups. Thermal reduction is needed for substitutional N-doping. Nitrogen and oxygen surface concentrations vary between 0.23–0.96% and 3–8%, respectively. Exfoliation in (NH4)2SO4 and/or 5 mM HNO3 favors the formation of pyridinic-N (10–40% of the total N), whereas 1 M HNO3 favors the formation of graphitic-N (≈60%). The electrical conductivity ranges between 166–2705 Scm−1. Raman spectroscopy revealed a low density of defects (ID/IG ratio between 0.1 and 0.7) and that most samples are composed of mono-to-bilayer graphene-based materials (IG/I2D integrated intensities ratio). Structural and compositional stability of selected samples after storage in air for three months is demonstrated. These results confirm the high quality of the synthesized undoped and N-doped graphene-type 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 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 | 0,001 |
| 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) | 0,001 | 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 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 ».