Design and Development of Nanostructured Photocatalysts for CO₂ Reduction under Ambient Conditions
Bibliographic record
Abstract
La photocatalyse sous la lumière solaire est considérée comme une solution prometteuse face aux crises énergétiques et aux enjeux environnementaux. Dans le procédé photocatalytique, un photocatalyseur à base d'un semi-conducteur est l'élément clé pour une réduction efficace du CO₂. Entre autres, le nitrure de carbone graphitique et les points quantiques sont les matériaux les plus étudiés car ils sont faciles à synthétiser, peu coûteux et possèdent des propriétés physico-chimiques exceptionnelles. Un grand nombre de photocatalyseurs nanostructurés à base de g-C₃N₄ et de points quantiques ont été développés et étudiés pour la réduction photocatalytique du CO₂. Cependant, leur performance photocatalytique reste modérée en raison de la recombinaison rapide des charges et de l'absorption insuffisante de la lumière solaire. Cette thèse a utilisé des stratégies simples et nouvelles pour développer trois photocatalyseurs efficaces pour la réduction du CO₂. Les matériaux synthétisés présentent des propriétés structurelles uniques avec une meilleure absorption de la lumière solaire et un taux de séparation des charges plus élevé, contribuant ainsi à une meilleure efficacité photocatalytique. Pour les matériaux à base de g-C₃N₄, nous avons pour la première fois utilisé le nitrure de carbone graphitique avec l'intégration de clusters du cobalt comme cocatalyseur pour la réduction du CO₂ par copolymérisation entre l'urée et un complexe du cobalt comme précurseurs du g-C₃N₄ et du cluster du cobalt, respectivement. L'utilisation de 4,4'-Diamino-2,2'-bipyridine en tant que ligand de coordination du complexe du cobalt est avantageuse. Premièrement, il peut copolymériser avec l'urée au cours du traitement thermique pour la formation du g-C₃N₄, améliorant ainsi l'absorption de la lumière solaire du g-C₃N₄. Deuxièmement, il peut stabiliser le cluster du cobalt et fournir une voie du transfert d'électrons efficace entre g-C₃N₄ et le cobalt, résultant en une meilleure performance photocatalytique. Pour le second matériau, nous avons tenté d'améliorer l'absorption de la lumière solaire du g-C₃N₄ en incorporant des nanoparticules (NPs) plasmoniques du TiN à la surface des nanofeuilles du g-C₃N₄. Avant l'incorporation, la surface des NPs TiN plasmoniques a été greffée avec des groupes amino pour améliorer l'interaction avec l'urée pendant le processus de copolymérisation thermique. Le matériau synthétisé a montré une meilleure absorption de la lumière solaire et une séparation des charges optimisée. En conséquence, ce photocatalyseur a démontré une performance élevée pour la réduction photocatalytique du CO₂ sous l'irradiation solaire. En ce qui concern le troisième matériau des points quantiques, nous avons tenté d'explorer la relation entre les protons localisés près des sites actifs et la performance photocatalytique en utilisant le 3-mercaptopropionate comme « obturateur des protons » aux surfaces des points quantiques du CdS. Les points quantiques du CdS recouverts d'acide 3-mercaptopropionique (MPA) ont été synthétisés par une méthode facile en milieu aqueux. Il a été constaté que l'activité photocatalytique améliorée de ce matétiau pourrait être attribuée à l'interaction coopérative entre les protons localisés et les atomes du Cd à la surface du matériau, qui se comportent comme un résultat de l'interaction des acides Lewis et des bases Lewis, respectivement.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".