Comparison of Composite Materials Designed to Optimize Heterogeneous Decatungstate Oxidative Photocatalysis
Notice bibliographique
Résumé
Catalysis plays a pivotal role in green chemistry practices, particularly in reducing waste generated during chemical synthesis. Decatungstate (DT) emerges as a potent photocatalyst for Type I oxidations, exhibiting remarkable resilience to oxygen quenching, a characteristic that sets it apart from other excited triplet state photocatalysts. While homogeneous DT catalysis demonstrates effectiveness, its solubility poses challenges for its separation and recycling. To address these limitations, we focus on the development and comparison of heterogeneous DT photocatalysts, aiming to optimize their yield, recovery, and reusability. We synthesized tetrabutylammonium decatungstate (TBADT)-supported catalysts using silica, alumina, titanium dioxide, and glass wool and characterized them using diffuse reflectance measurements. Subsequently, we evaluated their photocatalytic performance by monitoring the oxidation of 1-phenylethanol and cyclohexanol under UVA irradiation. Our findings reveal that TBADT@silica emerges as the most effective catalyst, achieving approximately 20% conversion of cyclohexanol and 50% conversion of 1-phenylethanol with good reusability. Interestingly, we observed that 3-aminopropyl-triethoxysilane (APTES) treatment, intended to enhance DT anchoring, unexpectedly quenches the 3DT* triplet state, reducing catalytic activity. This unexpected finding underscores the importance of careful consideration in designing robust and recyclable heterogeneous decatungstate catalysts. Our research contributes significantly to the advancement of heterogeneous photocatalysis, paving the way for future applications in flow photochemistry. Further, we share a Python code (Google 3.12.11) to correct spectra obtained in Cary spectrometers.
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 | 0,000 |
| 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 | 0,000 | 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 ».