To realize the evolution of C2+ hydrocarbons like C2H4 from CO2 reduction in photocatalytic systems remains a great challenge, owing to the gap between the relatively lower efficiency of multielectron transfer in photocatalysis and the sluggish kinetics of C–C coupling. Herein, with Cu-doped zeolitic imidazolate framework-8 (ZIF-8) as a precursor, a hybrid photocatalyst (CuOX@p-ZnO) with CuOX uniformly dispersed among polycrystalline ZnO was synthesized. Upon illumination, the catalyst exhibited the ability to reduce CO2 to C2H4 with a 32.9% selectivity, and the evolution rate was 2.7 μmol·g–1·h–1 with water as a hole scavenger and as high as 22.3 μmol·g–1·h–1 in the presence of triethylamine as a sacrificial agent, all of which have rarely been achieved in photocatalytic systems. The X-ray absorption fine structure spectra coupled with in situ FT-IR studies reveal that, in the original catalyst, Cu mainly existed in the form of CuO, while a unique Cu+ surface layer upon the CuO matrix was formed during the photocatalytic reaction, and this surface Cu+ site is the active site to anchor the in situ generated CO and further perform C–C coupling to form C2H4. The C–C coupling intermediate *OC–COH was experimentally identified by in situ FT-IR studies for the first time during photocatalytic CO2 reduction. Moreover, theoretical calculations further showed the critical role of such Cu+ sites in strengthening the binding of *CO and stabilizing the C–C coupling intermediate. This work uncovers a new paradigm to achieve the reduction of CO2 to C2+ hydrocarbons in a photocatalytic system.

Joints shear strength is a critical parameter during the design and construction of geotechnical engineering structures. The prevailing models mostly adopt the form of empirical functions, employing mathematical regression techniques to represent experimental data. As an alternative approach, this paper proposes a new integrated intelligent computing paradigm that aims to predict joints shear strength. Five metaheuristic optimization algorithms, including the chameleon swarm algorithm (CSA), slime mold algorithm, transient search optimization algorithm, equilibrium optimizer and social network search algorithm, were employed to enhance the performance of the multilayered perception (MLP) model. Efficiency comparisons were conducted between the proposed CSA-MLP model and twelve classical models, employing statistical indicators such as root mean square error (RMSE), correlation coefficient (R2), mean absolute error (MAE), and variance accounted for (VAF) to evaluate the performance of each model. The sensitivity analysis of parameters that impact joints shear strength was conducted. Finally, the feasibility and limitations of this study were discussed. The results revealed that, in comparison to other models, the CSA-MLP model exhibited the most appropriate performance in terms of R2 (0.88), RMSE (0.19), MAE (0.15), and VAF (90.32%) values. The result of sensitivity analysis showed that the normal stress and the joint roughness coefficient were the most critical factors influencing joints shear strength. This paper presented an efficacious attempt toward swift prediction of joints shear strength, thus avoiding the need for costly in-site and laboratory tests.

Drug-resistant bacteria and biofilm have caused serious public health problems. It is necessary to develop a treatment that is highly effective against drug-resistant bacteria without inducing drug resistance. Herein, we...