MétaCan
Menu
Retour à la cohorte
Enregistrement W4412541770 · doi:10.1149/ma2025-01392091mtgabs

Top-Down Fabricated Atomic Layer Deposited Oxides Passivated InGaN/GaN Nanostructured Photocatalysts for Artificial Photosynthesis

2025· article· en· W4412541770 sur OpenAlexaboutno aff
Md. Ataur Rahman, Nirmal Anand, Dipon Kumar Ghosh, Christy Giji Jenson, Md. Islam, Md Zunaid Baten, Sharif Sadaf

Notice bibliographique

RevueECS Meeting Abstracts · 2025
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueGaN-based semiconductor devices and materials
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceArtificial photosynthesisAtomic layer depositionLayer (electronics)PhotosynthesisNanotechnologyChemical engineeringOptoelectronicsPhotocatalysisChemistryCatalysis

Résumé

récupéré en direct d'OpenAlex

Photocatalytic water splitting is regarded as a promising technology to convert solar energy into hydrogen. However, most of the photocatalysts exihibit limited efficiency because of their wide bandgap, inappropriate band edge positions for redox reactions, lower active sites, and poor charge carrier separation. In contrast to planar structures, nanowires (NWs) photocatalysts have large surface-to-volume ratios, shortened diffusion lengths, efficient charge carrier separation and transport, and enhanced optical absorption [1]. III-nitride nanostructured semiconductors, such as InGaN is a potential candidate as photocatalysts due to their bandgap engineering, suitable band edge to straddle the redox potentials. The band gap of InGaN can be controllably tuned by varying In compositions to harvest large portion of the visible solar spectrum [2]. First, we investigated photoelectrochemical (PEC) properties of planar InGaN/GaN multiple quantum wells (MQWs) with varying indium contents (~15%, ~22%, and ~27%), and identified In~22% as optimal for overall water splitting. Subsequently, we fabricated InGaN/GaN nanowires (NWs) heterostructures (In~22%) photocatalysts using a scalable silica nanosphere lithography technique. Additionally, the sidewalls of the NWs were passivated with an ultrathin layer of Al 2 O 3 using atomic layer deposition (ALD) technique. A systematic comparison of photocurrent density with small bias potential versus reversible hydrogen electrode (V RHE ) was conducted for planar, NW, and Al 2 O 3 -coated NWs of In 0.22 Ga 0.78 N/GaN heterostructures under simulated AM 1.5G solar irradiation (100 mW/cm²). The NW photoanodes showed a higher photocurrent density (1.9 mA/cm 2 ) than their planar counterparts. On the other hand, a significant rise in photocurrent density (80%) at 1.5 V RHE was observed after deposition of a thin layer Al 2 O 3 on NWs. More importantly, the onset potential undergoes a cathodic shift to −0.47 V RHE , indicating a reduction in the overpotential required for self-driven water splitting. Furthermore, the Al 2 O 3 -passivated NWs generated higher photvoltage (0.87 V RHE ). These findings highlight the role of surface passivation in enhancing the performance of nanostructured green light-emitting In 0.22 Ga 0.78 N/GaN MQWs photoanodes for PEC applications. The study will further explore the optimal Al 2 O 3 passivation thickness on NWs in improving PEC activity and photostability. Acknowledgement This research was supported by the Natural Sciences and Engineering Research Council of Canada (NSERC) through Alliance Grant Programs. References Dong, Wan Jae, and Zetian Mi., Journal of Materials Chemistry A 11 (2023): 5427-5459. Alqahtani, Mahdi, et al., ACS Applied Energy Materials 11 (2018): 6417-6424. Figure 1

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,008
Score d'incertitude au seuil1,000

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 Opus0,014
Tête enseignante GPT0,254
Écart entre enseignants0,240 · 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.

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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting AbstractsMême sujetGaN-based semiconductor devices and materialsTravaux en français237 207