摘要 自然系统通过高效和宽带能量捕获来驱动光合作用的高能反应。过渡金属光催化剂同样将光转化为化学反应性,但受限于光操作并且需要蓝光至紫外激发。在光合作用中,光捕获和反应性都通过分离到不同的位点得到了优化。受这种模块化架构的启发,我们通过将光合集光蛋白 R-藻红蛋白 (RPE) 共价连接到过渡金属光催化剂三(2,2 0-联吡啶)钌(II) ([Ru(bpy) 3 ] 2+ ) 来合成生物混合光催化剂。光谱研究发现,吸收的光能有效地从 RPE 转移到 [Ru(bpy) 3 ] 2+ 。生物混合光催化剂的实用性通过增加硫醇-烯偶联反应和半胱氨酰脱硫反应的产率来证明,包括在红光波长下恢复反应性,其中[Ru(bpy) 3 ] 2+单独不吸收。
摘要:了解从基于智能手机的电化学发光 (ECL) 传感器提取的多模态数据之间的关系对于开发低成本的即时诊断设备至关重要。在这项工作中,使用随机森林 (RF) 和前馈神经网络 (FNN) 等人工智能 (AI) 算法定量研究 Ru(bpy) 3 2+ 发光体浓度与其实验测量的 ECL 和电化学数据之间的关系。使用一次性丝网印刷碳电极开发了一种带有 Ru(bpy) 3 2+ /TPrA 的基于智能手机的 ECL 传感器。在施加 1.2 V 电压后,同时获得 ECL 图像和电流图。通过 RF 和 FNN 算法分析这些多模态数据,从而可以使用多个关键特征预测 Ru(bpy) 3 2+ 浓度。在 0.02 µM 至 2.5 µM 的检测范围内,实际值和预测值之间实现了高相关性(RF 和 FNN 分别为 0.99 和 0.96)。使用 RF 和 FNN 的 AI 方法能够使用易于观察的关键特征直接推断 Ru(bpy) 3 2+ 的浓度。结果表明,数据驱动的 AI 算法在分析多模态 ECL 传感器数据方面非常有效。因此,这些 AI 算法可以成为建模库的重要组成部分,并成功应用于 ECL 传感器数据建模。
摘要:通过改变金属离子的性质可以控制发色团-自由基复合物电子基态 ( 2 S 0 /D 0 ) 中光诱导电子自旋极化 (ESP) 的符号和强度。该复合物由一个有机自由基 (硝基氮氧化物,NN) 通过一个间位亚苯基桥与一个供体受体发色团共价连接而成,( bpy)M(CAT- m -Ph-NN ) ( 1 ) (bpy = 4,4'-二叔丁基-2,2'-联吡啶,M = Pd II ( 1-Pd) 或 Pt II ( 1-Pt ),CAT = 3-叔丁基儿茶酚酸酯,m -Ph = 间位亚苯基)。在这两种复合物中,可见光的光激发都会产生初始交换耦合、3 自旋(bpy•-、CAT+• = 半醌 (SQ) 和 NN•)、电荷分离双线 2 S 1(S = 发色团激发自旋单线态)激发态,该激发态通过 2 T 1(T = 发色团激发自旋三线态)态迅速衰减到基态。该过程预计不会具有自旋选择性,并且对于 1-Pd 仅发现非常弱的发射 ESP。相反,在 1-Pt 中产生强吸收 ESP。推测零场分裂引起的发色 2 T 1 态与 4 T 1 态(1-Pd 和 1-Pt)之间的跃迁,以及自旋轨道引起的 2 T 1 态与 NN 基四重态(1-Pt)之间的跃迁,导致了极化差异。
摘要。在这项研究中,采用了一种便捷的策略,用于从聚苯乙烯(PST),聚氨酯(PU),聚(PMMA甲基丙烯酸甲酯)(PMMA)及其有机模型ED Zn Al LDH(分层双羟基)的有机模型(PMMA)合成衍生物(PMMA)(PMMA)(PMMA)。为此,首先,通过Zn-Al-ldH的阴离子交换反应对十二烷基磺酸钠(SDS)修饰LDH纳米颗粒。其次,从由9-十核1- ol组成的溶剂中获得PU宏引诱剂,并用于将苯乙烯单体与ORD PU-puco-pST共聚物共聚的控制移植共聚。然后,合成的puco-st被N-溴糖二酰亚胺(NBS)溴化以获得与溴基团的共聚物。在以下情况下,在存在溴化puco -st和cubr/bpy(2,2 0 -bipyridine催化剂的情况下,都可以制备(PMMA -G -PST- G -PU)Terpolymer。最后,(PMMA -G -PST -G -PU)/ZNAL LDH纳米复合材料通过溶液互化方法成功合成。fe-Sem图像显示,Zn-Al(SDS)和Zn-Al-LDH的表面形态导致片状和六边形形态。使用DSC和TGA对热性质进行研究表明(PMMA-G -PST-G -PU)/Zn-Al-LDH纳米复合材料与整洁的PU相比具有更高的热稳定性。合成的Terpolymer和(PMMA-G -PST-G -PU)/Zn-Al-LDH纳米复合材料由于其高LDH特性而被用作聚合物纳米复合材料的增强剂。©2024 Sharif技术大学。保留所有权利。