Engineering SrTiO<sub>3</sub> Nanostructures for Enhanced Photocatalytic Performance: Unveiling the Influence of Titanium Precursors and Synthesis Temperature
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide The development of advanced functional materials relies on key properties such as morphology, crystallinity, and electronic structure. In this work, we present the hydrothermal synthesis of SrTiO 3 nanoparticles using amorphous titanium as a precursor and systematically investigate the influence of synthesis temperature (from 20 to 200 °C) on their structural, morphological, and chemical characteristics. Electron microscopy revealed a temperature-driven morphological transition from nanocube-like to spherical-like structures. X-ray diffraction analyses demonstrated improved crystallinity with increasing temperature, although local imperfections persisted, contributing to structural disorder. UV–vis spectroscopy showed a slight variation in the optical band gap, ranging from 3.36 to 3.28 eV across the samples. Notably, the sample synthesized at 60 °C exhibited significantly enhanced photocatalytic activity for H 2 production, reaching approximately 43 μmol h –1 . This enhancement was attributed to a synergistic interplay among the surface area, crystallinity, and composition. A dissolution–precipitation mechanism is proposed to explain the in situ formation of SrTiO 3, guided by the solubility and surface reactivity of the titanium precursor. These findings provide valuable insights into the design and optimization of SrTiO 3 -based materials for photocatalytic and related applications, where fine-tuning structural and surface properties is essential to maximize performance.
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 | 0,000 | 0,001 |
| 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 | 0,000 | 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 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 ».