​董广彬Nature Catalysis ,晶体管Nature Electronics | 顶刊日报20240312
纳米人 纳米人 2024-03-14
1.Nature Catalysis:Rh催化活化芳烃化学键进行裂分交叉偶联

不含张力的芳烃-芳烃化学键因为较强的惰性,因此芳烃-芳烃化学键的官能团化修饰是合成化学领域的重大挑战。
          
有鉴于此,芝加哥大学董广彬等报道一种分裂交叉偶联反应(Split cross-coupling),该反应能够将常见的2,2′-双酚分子的不含张力化学键切断,并且与多种多样的芳基碘化物发生双重芳基化反应。
          
本文要点:
1)该反应以Rh的复合物作为催化剂,并且使用可去的膦氧(phosphinite)导向官能团以及有机还原剂(四三(二甲胺基)乙烯)。实验结果和理论计算机理研究结果说明Lewis酸助催化剂能够加快还原消除步骤(催化反应的决速步骤)。这种偶联反应能够用于模块化的方式简化合成2,6-双芳基二酚结构,或者在分子骨架上插入安装苯基结构。
          
2)与经典的交叉偶联反应不同,这种裂分交叉偶联反应能够将常见的二聚体分子转化为两种不同的双芳基产物。而且该反应方法能够实现独特的分子骨架结构编辑。作者关于机理的研究发现Lewis酸添加剂的重要作用有助于发展其他C-C活化反应。    
          
1710411645403450.png
参考文献
Yu, C., Zhang, Z. & Dong, G. Split cross-coupling via Rh-catalysed activation of unstrained aryl–aryl bonds. Nat Catal (2024)
DOI: 10.1038/s41929-024-01120-9
https://www.nature.com/articles/s41929-024-01120-9
          
2.Nature Electronics:3R MoS2铁电晶体管
为了使用铁电晶体管发展低功耗非易失性的存内计算(Computing In Memory)器件,人们需要开发具有特定厚度的铁电沟道材料。MoS2等二维半导体材料由于具有滑移铁电(Sliding ferroelectricity)效应因此提供机会。但是由于MoS2缺乏可移动的边界位点,因此如何在外延MoS2材料中得到可转变的铁电极性是个非常困难的事情。    
          
有鉴于此,台湾师范大学Yann-Wen Lan台湾阳明交通大学Chun-Liang Lin、麻省理工学院Tilo H. Yang报道极性转变功能的3R外延MoS2,是一种能够应用于铁电存储器晶体管(ferroelectric memory transistor)铁电沟道材料,并且在高度位错和不稳定的非铁电基质内生成稳定铁电畴的异质结。
          
本文要点:
1)这种非扩散的相转变过程能够生成移动的螺旋位错,从而能够通过电场可控制3R MoS2的极性。极性-电场测试结果显示3R MoS2的转变电场强度为0.036 V nm-1
          
2)滑移铁电晶体管作为非易失性存储器的厚度仅为两个原子层,平均记忆窗口7 V,保留时间达到104 s,能够工作104循环。
              
图片2.png
参考文献
Yang, T.H., Liang, BW., Hu, HC. et al. Ferroelectric transistors based on shear-transformation-mediated rhombohedral-stacked molybdenum disulfide. Nat Electron 7, 29–38 (2024)
DOI: 10.1038/s41928-023-01073-0
https://www.nature.com/articles/s41928-023-01073-0
          
3.Nature Chemical Engineering:CO2电解槽的设计与诊断    
柏林工业大学Peter Strasser、Wen Ju等报道对Ni-N-C催化剂的中性pH CO2还原为CO设计零极距电解槽并进行诊断,电解槽能够在电流密度为250 mA cm-2实现接近100 %的CO法拉第效率,从而在比较低的电压实现40 %的能量效率。
          
本文要点:
1)设计的电解槽能够在较低的过量CO2化学计量比(λstoich=1.2)条件下工作,并且当CO2的单程转化率为40 %,生成的CO浓度达到~70 %vol,稳定工作时间达到100 h。
          
2)将实验的碳交叉系数(CCC, carbon crossover coefficient)作为诊断电解槽工作情况的工具,CCC能够描述“非催化反应的酸碱CO2消耗”与催化产生的碱性之间的比例,从而有助于理解导致CO2损失过程的离子传输和传输机制。作者展示了CCC在诊断电池在盐的沉淀和再溶解之间震荡过程中的电池输送失效的情况,并且CCC技术有助于设计更好的CO2电解槽。    
图片3.png
参考文献
Brückner, S., Feng, Q., Ju, W. et al. Design and diagnosis of high-performance CO2-to-CO electrolyzer cells. Nat Chem Eng 1, 229–239 (2024)
DOI: 10.1038/s44286-024-00035-3
https://www.nature.com/articles/s44286-024-00035-3
          
4.Nature Commun:原位溶液制备超薄柔性透明电极
发展能够稳定操作的超薄透明柔性电极(μFTEs)的关键是需要能够在高湿度环境和在施加电压与机械折叠情况下进行多个负载操作。虽然人们目前进行广泛的努力并且以价格合理和高通量方式制备出溶液相μFTEs,但是如何能够原位实现具有纳米黏附功能的异相金属氧化物复合材料还是具有非常大的难度和挑战。
              
有鉴于此,香港大学Wallace C. H. Choy香港科技大学苏海斌报道通过原位溶液处理方法(iSPM, in-situ solution processed method)使得过渡金属氧化物半导体ZnO纳米粒子能够以类似液体的行为与Ag纳米线结合。这种现象能够解决因为Ag纳米线和ZnO纳米粒子界面不类似导致的纳米复合物脆性,并且能够显著改善负载能力。
          
本文要点:
1)与基底结合的μFTEs器件并且其中金属氧化物纳米复合材料包埋到聚合物的厚度<0.5 μm的电极表现出光滑的表面形貌。
          
2)这项研究结果揭示了与Ag纳米线和ZnO纳米粒子之间的异质界面系统相关的复杂界面动力学,并在理解原位纳米粘附过程和提高下一代溶液处理uFTE的设计灵活性方面具有很大的前景。    
图片4.png
          
参考文献
Kim, J.J., Shuji, K., Zheng, J. et al. Tri-system integration in metal-oxide nanocomposites via in-situ solution-processed method for ultrathin flexible transparent electrodes. Nat Commun 15, 2070 (2024)
DOI: 10.1038/s41467-024-46243-6
https://www.nature.com/articles/s41467-024-46243-6    
          
5.JACS:金属表面上的富电子和亲核N杂环亚胺:结合模式和界面电荷转移
强给电子N-杂环亚胺(NHIs)由于其增强的亲核性而被用作缺电子物质的热力学稳定的优异表面锚定物。然而,这些新配体的结合模式和界面性质仍不清楚,这成为表面功能化和催化高级应用的瓶颈。
          
在此,国家纳米科学中心任金东,明斯特大学Saeed Amirjalayer,Harald Fuchs,Nikos L. Doltsinis,Frank Glorius合理设计、合成了具有不同侧基的NHI,并在各种金属表面(Cu、Ag)上进行了分析。
          
文章要点
1)研究结果揭示了根据分子结构和金属表面的不同结合模式。分子设计使我们能够实现平躺或直立的构型,甚至根据覆盖范围和时间在这两种结合模式之间进行转换。
          
2)重要的是,两种结合模式在分子和表面之间表现出不同程度的界面电荷转移。这项研究为配位化学中多相催化剂的优化提供了对 NHI 吸附几何结构和界面电荷转移的重要微观见解。    
 图片5.jpg
参考文献
Jindong Ren, et al, The Electron-Rich and Nucleophilic NHeterocyclic Imines on Metal Surfaces: Binding Modes and Interfacial Charge Transfer, J. Am. Chem. Soc., 2024
https://doi.org/10.1021/jacs.3c11738
          
6.JACS:有机半导体/量子点共混薄膜的配体定向自组装可实现高效的三线态激子-光子转换
包含有机半导体和无机量子点 (QD) 的混合物与许多光电应用和设备相关。然而,有机量子点共混物中的各个组分在薄膜加工过程中极易聚集和相分离,从而损害其结构和电子性能。
          
有鉴于此,剑桥大学Akshay Rao等人展示了一种量子点表面工程方法,使用与有机半导体主体材料相匹配的电子活性、高度可溶的半导体配体来实现分散良好的无机-有机共混膜,并通过 X 射线和中子散射以及电子显微镜进行表征。    
          
文章要点
1)这种方法保留了有机相和量子点相的电子特性,并在它们之间创建了优化的界面。研究人员在两个新兴应用中举例说明了这一点,即基于单线态裂变的光子倍增(SF-PM)和基于三线态-三线态湮灭的光子上转换(TTA-UC)。
          
2)稳态和时间分辨光谱表明,三线态激子可以在有机-无机界面上以近乎一致的方式有效转移,而有机薄膜在有机相中保持高效的 SF(产率 190%)。通过改变有机和无机组分之间的相对能量,在 790 nm NIR 激发下观察到黄色上转换发射。
          
总的来说,研究人员提供了一种高度通用的方法来克服有机半导体与量子点混合中长期存在的挑战,这些挑战与许多光学和光电应用相关。
 图片6.jpg
参考文献
Victor Gray, et al, Ligand-Directed Self-Assembly of Organic-Semiconductor/Quantum-Dot Blend Films Enables Efficient Triplet Exciton-Photon Conversion, J. Am. Chem. Soc., 2024    
https://doi.org/10.1021/jacs.4c00125
                    
7.Adv Mater:受阻Lewis酸碱对(FLPs)增强Ni/NiOx光热催化制氢
开发具有密集高浓度的相互靠近FLP催化活性位点是增强催化活性和加快催化反应速率的关键。

有鉴于此,华南农业大学张声森教授,广东工业大学张山青教授、李甍博士等报道发现在Ni/NiOx (Ni/NiOx@C)催化剂中发现晶界的形成过程中的Jahn-Teller效应起到的作用,Jahn-Teller效应有助于生成电荷极性不同的高密度氧空穴(VO)和Ni空穴(VNi),这些位点具体的结构是FLP-Vo-C碱性位点和FLP-VNi-C酸性位点,这些缺陷位点能够起到优异的助催化制氢效果。华南农业大学材料与能源学院杨志、黄泰宇为论文共同第一作者。          
本文要点:
1)FLP-Vo-C碱性位点和FLP-VNi-C酸性位点之间的协同作用不仅降低水分子的吸附和分解的能垒,而且缺陷位点产生显著的光热效应。通过不同位点之间的协同增强作用,Ni/NiOx@C催化剂能够作为光热催化制氢反应的助催化剂。
          
2)Ni/NiOx@C/g-C3N4 (NOCC) 光催化剂的制氢速率达到10.7 mmol g-1 h-1,比Pt的性能高1.76倍。此外,NOCC光催化剂在380 nm的表观量子产率达到40.78 %。

这项工作有助于设计新颖的助催化剂,而且可能增强多种多样的催化反应的性能。    
图片7.png
                    
参考文献
Zhi Yang, Taiyu Huang, Meng Li, Xudong Wang, Xiaosong Zhou, Siyuan Yang, Qiongzhi Gao, Xin Cai, Yingju Liu, Yueping Fang, Yu Wang, Shanqing Zhang, Shengsen Zhang, Unveiling the Synergistic Role of Frustrated Lewis Pairs in Carbon-Encapsulated Ni/NiOx Photothermal Cocatalyst for Enhanced Photocatalytic Hydrogen Production, Adv. Mater. 2024
DOI: 10.1002/adma.202313513
https://onlinelibrary.wiley.com/doi/abs/10.1002/adma.202313513
          
8.Adv Mater综述:机器学习在增材制造领域的发展和机会    
这些年机器学习技术的广泛应用有助于理解增材制造技术中丰富的参数关系。人们发现这些机器学习模型能够从丰富并且精心策划的数据集识别出复杂的关系,因此能够揭示增材制造至关重要的潜在内容。
          
通过机器学习和增材制造之间的协同有助于在增材制造的设计和制作过程实现变革。通过使用增材制造过程生成的丰富数据,机器学习模型能够促进材料的设计优化。比如通过问题分析和迭代优化或生成式人工智能等结合。这个方法包括从预期结果的逆向工程用于产生具有一定价值的认识,并且最终简化为增材制造的设计。
          
有鉴于此,南洋理工大学Wai Yee YeongWei Long Ng总结讨论增材制造领域和机器学习领域之间的交叉面临的挑战和发展机会。
          
本文要点
1)对目前机器学习在增材制造领域的文献报道情况进行深入分析,探索机器学习的应用情况(包括品质控制、优化过程、优化设计、微结构分析、材料配方),以及应用于传感器的发展情况,以及机器学习在增材制造领域有关的发展。
          
2)特别介绍机器学习由于在多种领域表现优异的性能,因此受到增材制造领域的关注。作者预想机器学习应用于增材制造可能显著的增强增材制造有关领域的3D打印能力。    
图片8.png
          
参考文献
Wei Long Ng, Guo Liang Goh, Guo Dong Goh, Jason Ten Jyi Sheuan, Wai Yee YeongProgress and Opportunities for Machine Learning in Materials and Processes of Additive Manufacturing, Adv. Mater. 2024
DOI: 10.1002/adma.202310006    
https://onlinelibrary.wiley.com/doi/abs/10.1002/adma.202310006

加载更多
924

版权声明:

1) 本文仅代表原作者观点,不代表本平台立场,请批判性阅读! 2) 本文内容若存在版权问题,请联系我们及时处理。 3) 除特别说明,本文版权归纳米人工作室所有,翻版必究!
纳米人
你好测试
copryright 2016 纳米人 闽ICP备16031428号-1

关注公众号