MétaCan
Menu
Retour à la cohorte
Enregistrement W4396834411 · doi:10.1002/adfm.202402894

Unveiling the Potential of Halide Perovskites for Seasonally Adaptive CO<sub>2</sub> Photoreduction under Low Light Conditions

2024· article· en· W4396834411 sur OpenAlexaff
Naveen Kumar Tailor, Shreya Singh, Saurabh K. Saini, Kaivalya, Mohammad Adil Afroz, Mahesh Kumar, Sebastian C. Peter, Kamal Kishore Pant, Soumitra Satapathi

Notice bibliographique

RevueAdvanced Functional Materials · 2024
Typearticle
Langueen
DomaineEnergy
ThématiqueAdvanced Photocatalysis Techniques
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesScience and Engineering Research BoardIndian Institute of Technology DelhiDepartment of Science and Technology, Ministry of Science and Technology, India
Mots-clésHalideMaterials sciencePhotochemistryOptoelectronicsChemical physicsInorganic chemistryNanotechnologyPhysicsChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The viability of double perovskite Cs 2 AgBiBr 6 in low‐light environments is studied for CO 2 photoreduction. It is observed that light intensity significantly influences product formation with I 0.56 depending on the overall product formation rate. The photodetection measurement reveals that photocurrent as a function of incident power follows a power law ∝ I 0 α with α = 0.80, which is attributed to the carrier trapping at higher light power. Furthermore, power‐dependent transient absorption spectroscopy is studied and observed that at higher fluence, carrier scattering can be dominating. Interestingly, it is found that at higher power, hot carrier relaxation dynamics are altered, and electron‐phonon coupling is enhanced, resulting in a lower carrier concentration participating in the photocatalytic reaction, which can limit charge carrier extraction and CO 2 reduction. This study highlights the potential of perovskite semiconductors as promising candidates for photocatalytic reactions in low‐light conditions, broadening their applicability in real‐world scenarios.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,111
Score d'incertitude au seuil0,958

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,262
Écart entre enseignants0,250 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Functional MaterialsMême sujetAdvanced Photocatalysis TechniquesTravaux en français237 207