MétaCan
Menu
Retour à la cohorte
Enregistrement W4407673850 · doi:10.1021/acscatal.4c07970

Basal-Plane Pores Activate Monolayer MoS<sub>2</sub> for the Hydrogen Evolution Reaction

2025· article· en· W4407673850 sur OpenAlexafffund
Holly M. Fruehwald, Yossarian Liebsch, Umair Javed, H. Lebius, C. Grygiel, Radia Rahali, Jani Kotakoski, Rodney D. L. Smith

Notice bibliographique

RevueACS Catalysis · 2025
Typearticle
Langueen
DomaineMaterials Science
Thématique2D Materials and Applications
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCentre National de la Recherche ScientifiqueAustrian Science FundDeutsche ForschungsgemeinschaftCanada Foundation for Innovation
Mots-clésMonolayerBasal planeCatalysisChemistryHydrogenMaterials scienceCrystallographyPhotochemistryStereochemistryNanotechnologyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Identification of catalytically relevant sites in solid-state materials and our ability to manipulate such sites is critical to designing improved electrocatalysts. In this work, we prepare a series of monolayer MoS 2 using chemical vapor deposition and install varied concentrations of defects through swift heavy ion irradiation. Electron micrographs indicate that the ion irradiation procedure generates pores within MoS 2 flakes, and Raman microscopic maps show that the defects exert a strongly localized influence. The localization is strong enough that spectra acquired across individual particles can be classified in a binary fashion: regions are either affected by the irradiation-induced pore or appear as pristine MoS 2 . Besides providing insight into the nature of the defects within the monolayers, this feature enables spatial resolution of regions with significant densities of such pores. This capability is used to quantify the defect density across the sample series and show that the pores located within the MoS 2 flakes are particularly active sites for electrocatalytic hydrogen evolution.

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 enseignants0,007
Score d'incertitude au seuil0,408

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 savante0,0000,000
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 Opus0,010
Tête enseignante GPT0,241
Écart entre enseignants0,232 · 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

Citations16
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS CatalysisMême sujet2D Materials and ApplicationsTravaux en français237 207