Scalable Synthesis of High-Quality Graphene Quantum Dots by Reductive Intercalation/Exfoliation of Coal
Notice bibliographique
Résumé
Coal, historically a low-cost and abundant energy resource, is emerging as a promising carbon-rich precursor for advanced nanomaterials. In this work, we introduce a reductive intercalation strategy to synthesize reduced (electron-rich) graphene quantum dots (GQDs) directly from anthracite coal. Potassium intercalation transforms the rigid graphenic framework of anthracite coal into a stage-I polyelectrolyte salt that spontaneously dissolves in N -methyl-2-pyrrolidone (NMP), yielding uniform (2.5–3.5 nm), reduced GQDs without the need for sonication or oxidative processing. The method achieves an isolated yield of <28% based on the starting mass of anthracite coal. Practically, this means that 3.6 kg of coal can yield up to 1 kg of graphene quantum dots, highlighting the scalability and efficiency of this approach. The resulting GQDs exhibit a direct bandgap of 3.4 eV and strong excitation-dependent photoluminescence. Thermo-optical characterization of GQDs in NMP reveals a thermal diffusivity of (6.4 ± 0.3) × 10 –8 m 2 /s and a nonlinear refractive index of −4.69 × 10 –9 cm 2 /W, demonstrating their potential for photothermal conversion and nonlinear optical applications. Notably, the GQDs can be precipitated and collected as slurries or powders that are readily dispersible in a variety of other solvents, including water, ethanol, isopropanol, facilitating their integration into diverse solution-processable systems. This scalable, oxidation-free approach positions coal as a viable feedstock for high-performance quantum nanomaterials with potential applications in sustainable sensing, and thermal management technologies.
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 | 0,000 | 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 ».