Carbon quantum dots: Synthesis via hydrothermal processing, doping strategies, integration with photocatalysts, and their application in photocatalytic hydrogen production
Notice bibliographique
Résumé
Carbon quantum dots (CQDs), a quasi-spherical carbon-based nanomaterial, have attracted great attention in photocatalysis due to their unique optical and electrochemical properties, such as tunable fluorescence emission, up-conversion property, and the ability to accelerate charge separation. Significant efforts have been made to synthesize, dope, and surface-functionalize CQDs to tune their photo-physical/chemical properties. Hydrothermal (HT) processes provide a clean, cost-effective, and efficient synthesis method to prepare CQDs and their derivatives, through hydrolysis, polymerization, and carbonization reactions. This review summarizes the synthesis of HT-CQDs using various precursors, followed by evaluating the CQDs doping and heterostructure formation strategies based on their fundamental characteristics (e.g., morphology, crystallinity, absorption ability, and photoluminescent properties). Doped CQDs exhibit enhanced optical properties, improved charge transfer efficiency, better electron mobility, and increased photocatalytic activity through introducing new surface states and active sites. Decorating traditional photocatalysts with CQDs improves light absorption and charge separation, significantly boosting the overall photocatalytic activity. The performance of CQD-based photocatalysts in hydrogen (H 2 ) evolution is systematically evaluated as well. CQDs enhance photocatalytic H 2 generation by acting as photosensitizers and/or electron mediators, accelerating the separation of e − -h + pairs and reducing recombination rates. This review highlights the significant advancement in CQDs synthesis, and doping and decorating strategies, showcasing their pivotal role in improving the photocatalytic efficiency of H 2 production. However, limited understanding of mechanisms, precise control over doping and surface functionalization, and scalability of synthesis methods remain key challenges for CQD-based photocatalysts. In the future, integrating artificial intelligence (AI) and machine learning (ML) tools with advanced characterization techniques might help the development of CQD-based photocatalysts, enabling precise property tuning and scalable synthesis approaches.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».