Decoding Plasmonic Enhancement Pathways in Group 4 Metal Nitride‐TiO <sub>2</sub> Composites: Rhodamine B Dye Degradation Case Study
Notice bibliographique
Résumé
ABSTRACT Traditional photocatalysis has predominantly focused on TiO 2 due its low cost, chemical stability, and non‐toxicity, however, its wide bandgap (>3 eV) limits solar absorption to under 5%. Plasmonic materials address this by extending light absorption into the visible and near‐infrared range, enhancing catalytic activity through localized electromagnetic fields, hot carriers, and photothermal effects. Plasmonic transition metal nitrides have emerged as promising, cost‐effective alternatives to noble metals due to their strong broadband absorption and chemical stability. While earlier studies attribute their photocatalytic enhancement mainly to hot carrier injection, a more detailed assessment is needed to properly understand the enhancement pathway. This study synthesizes composites of TiN, ZrN, and HfN with commercial P25 TiO 2 and evaluates their photocatalytic performance via Rhodamine B dye degradation. Under 100 mW cm −2 illumination, the 1 wt% ZrN/TiO 2 composite achieves over 99% dye degradation in 50 min, outperforming TiN and HfN, which require 10 wt% loading for similar results. By analyzing reaction temperature profiles and degradation kinetics under different light intensities, the study finds that hot carrier effects dominate in TiN/TiO 2 and ZrN/TiO 2 systems, while photothermal effects play a larger role in HfN/TiO 2 composites. This highlights the distinct mechanisms by which plasmonic nitrides enhance photocatalytic efficiency.
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) | 0,001 | 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 ».