JX
Junsong Xu
Author with expertise in Porous Crystalline Organic Frameworks for Energy and Separation Applications
Achievements
Cited Author
Key Stats
Upvotes received:
0
Publications:
5
(20% Open Access)
Cited by:
1,204
h-index:
7
/
i10-index:
7
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Vinylene‐Linked Covalent Organic Frameworks (COFs) with Symmetry‐Tuned Polarity and Photocatalytic Activity

Junsong Xu et al.Sep 21, 2020
Abstract The polarity of a semiconducting molecule affects its intrinsic photophysical properties, which can be tuned by varying the molecular geometry. Herein, we developed a D 3 h ‐symmetric tricyanomesitylene as a new monomer which could be reticulated into a vinylene‐linked covalent organic framework (g‐C 54 N 6 ‐COF) via Knoevenagel condensation with another D 3 h ‐symmetric monomer 2,4,6‐tris(4′‐formyl‐biphenyl‐4‐yl)‐1,3,5‐triazine. Replacing tricyanomesitylene with a C 2 v ‐symmetric 3,5‐dicyano‐2,4,6‐trimethylpyridine gave a less‐symmetric vinylene‐linked COF (g‐C 52 N 6 ‐COF). The octupolar conjugated characters of g‐C 54 N 6 ‐COF were reflected in its scarce solvatochromic effects either in ground or excited states, and endowed it with more promising semiconducting behavior as compared with g‐C 52 N 6 ‐COF, such as enhanced light‐harvesting and excellent photo‐induced charge generation and separation. Along with the matched energy level, g‐C 54 N 6 ‐COF enabled the two‐half reactions of photocatalytic water splitting with an average O 2 evolution rate of 51.0 μmol h −1 g −1 and H 2 evolution rate of 2518.9 μmol h −1 g −1 . Such values are among the highest of state‐of‐the‐art COF photocatalysts.
0

Vinylene-Bridged Two-Dimensional Covalent Organic Frameworks via Knoevenagel Condensation of Tricyanomesitylene

Shuai Bi et al.Jun 12, 2020
Vinylene-bridged covalent organic frameworks (COFs) have shown great potential for advanced applications because of their high chemical stability and intriguing semiconducting properties. Exploring new functional monomers available for the reticulation of vinylene-bridged COFs and establishing effective reaction conditions are extremely desired for enlarging the realm of this kind of material. In this work, a series of vinylene-bridged two-dimensional (2D) COFs are synthesized by Knoevenagel condensation of tricyanomesitylene with ditopic or tritopic aromatic aldehydes. With use of appropriate secondary amines as catalysts, high-crystalline vinylene-bridged COFs were achieved, exhibiting long-range ordered structures, well-defined nanochannels, high surface areas (up to 1231 m2 g-1), and excellent photophysical properties. Under a low loading amount and short reaction time, they enable aerobic photocatalytic transformation of arylboronic acids to phenols with high efficiency and excellent recyclability. This work demonstrates a new functional monomer, tricyanomesitylene, feasible for the general synthesis of vinylene-bridged COFs with potential application in photocatalytic organic transformation, which instigates further research on such kind of material.
0

Method for Detecting Roadbed Compaction Degree Based on Machine Learning and Vibration Acceleration

Rongjun Wang et al.Oct 31, 2024
Roadbed construction occupies a core position in highway construction, but its quality is easily constrained by multiple factors such as changing environmental factors, the performance of construction equipment, and the professional abilities of construction personnel, leading to potential quality risks. Traditional quality inspection methods are mostly carried out after construction is completed, making it difficult to achieve continuous and real-time monitoring of roadbed compaction quality, which to some extent limits the real-time feedback and adjustment of construction quality. Vibration compaction technology has been widely used in the field of highway engineering due to its high efficiency and speed. The compaction degree is directly related to the durability and service life of the highway; therefore, accurate and efficient detection of compaction degree is crucial. This article proposes a method for detecting roadbed compaction degree by integrating machine learning (ML) and vibration acceleration signals. This method aims to achieve accurate evaluation of roadbed compaction by real-time monitoring and analysis of vibration acceleration data, combined with the powerful prediction and classification capabilities of ML algorithms. The experimental results show that this method not only improves the detection efficiency, but also significantly enhances the accuracy of compaction degree detection.