Single-atom electrocatalysts have attracted board interest in the recent years as they combine the advantages of heterogeneous and homogeneous electrocatalysts. Nevertheless, single-atom electrocatalysts with single metal component cannot further satisfy the demand of catalytic properties. This work developed atomic Co/Ni dual sites in N-doped porous carbon Janus-like frameworks through epitaxial growth of cobalt based MOFs on nickel complexes. Structural characterization and atomic-scale transmission electron microscopy revealed the homogeneously dispersed active sites of Co-Ni alloy and single Co/Ni atoms. Electrochemical data strongly demonstrated the advantages of integrating Co-MOF and Ni complex with different topological structures to form a Janus-like structure. The resultant catalysts afforded onset potential of 0.93 V and half-wave potential of 0.84 V for oxygen reduction reaction in alkaline media, and 0.86 V and 0.73 V in acid media, which is better than single noble-metal-free catalysts, even close to commercial Pt/C. Besides, the catalysts also exhibited good oxygen evolution reaction performance (a current density of 10 mA cm−2 at a potential of 1.59 V) and overvoltage between ORR and OER is 0.78 V. Density functional theory calculations indicated the high electrocatalytic activities are originated from the synergetic effect of atomic Co/Ni-N-C bonds and microstructure of the prepared materials. This work paves a new avenue for the development of multiatomic electrocatalysts for energy conversion.

An effective and sustainable approach is demonstrated for selective leaching of lithium from spent lithium iron phosphate batteries.

Abstract Human health risks caused by PM 2.5 raise awareness to the role of trees as bio-filters of urban air pollution, but not all species are equally capable of filtering the air. The objectives of this current study were: (1) to determine the foliar traits for effective PM 2.5 -capture and (2) explore species-to-species differences in foliar PM 2.5 -recapture capacity following a rain event. The study concluded that overall, the acicular needle shape made conifers more efficient with PM 2.5 accumulation and post-rainfall recapture than broadleaved species. The foliar shape and venation of broadleaved species did not appear to influence the PM 2.5 accumulation. However, the number of the grooves and trichomes of broadleaved species were positively related to foliar PM 2.5 accumulation, suggesting that they could be used as indicators for the effectiveness of tree PM 2.5 capture. Furthermore, the amount of PM 2.5 removal by rainfall was determined by the total foliar PM 2.5 . Not all PM 2.5 remained on the foliage. In some species, PM 2.5 was resuspended during the growing season, and thus reduced the net particular accumulation for that species. These findings contribute to a better understanding of tree species potential for reducing PM 2.5 in urban environments.

Most of the existing low-light enhancement research focuses on global illumination enhancement while ignoring the issues of brightness unevenness and color distortion. To address this dilemma, we propose a low-light image enhancement method that can achieve good performance in luminance adjustment and color correction simultaneously. Specifically, the Luminance Adjustment Module is designed to model the global luminance adjustment parameters while taking into account the relationship between global and local illumination features, in order to prevent overexposure or underexposure. Furthermore, we design a Color Correction Module based on the attention mechanism, which utilizes the attention mechanism to capture global color features and correct the color deviation in the illumination-enhanced image. Additionally, we design a color loss function based on a 14-dimensional statistical feature vector related to color, enabling further restoration of the image’s true color. We conduct empirical studies on multiple public low-light datasets, demonstrating that the proposed method outperforms other representative state-of-the-art models regarding illumination enhancement and color correction.

In this study, we aimed to explore the risk factors influencing post-recurrence survival (PRS) of early recurrence (ER) and late recurrence (LR) in stage advanced gastric cancer (AGC) patients after radical surgery, respectively, and to develop predictive models in turn. Medical records of 192 AGC patients who recurred after radical gastrectomy were retrospectively reviewed. They were randomly divided into the training and validation set at a ratio of 2:1. Nomograms were built based on risk factors influencing PRS of ER and LR explored by Cox regression analyses, respectively. Concordance index (C-index) values and calibration curves were used to evaluate predictive power of nomograms. Body mass index < 18.5 kg/m 2 , prealbumin level < 70.1 mg/L, positive lymph nodes ratio ≥ 0.486 and palliative treatment after recurrence were independent risk factors for the prognosis of ER. In contrast, prealbumin level < 170.1 mg/L, CEA ≥ 18.32 μg/L, tumor diameter ≥ 5.5 cm and palliative treatment after recurrence were independent risk factors for the prognosis of LR. The C-index values were 0.801 and 0.772 for ER and LR in the training set, respectively. The calibration curves of validation set showed a C-index value of 0.744 and 0.676 for ER and LR, respectively. Nomograms which were constructed to predict the prognosis of ER and LR of AGC after surgery showed great predictive power and could provide reference for clinicians’ treatment strategies to some extent.