Dynamic imaging of a single gold nanoparticle in liquid irradiated by off-resonance femtosecond laser
Notice bibliographique
Résumé
Plasmonic nanoparticles can lead to extreme confinement of the light in the near field. This unique ability of plasmonic nanoparticles can be used to generate nanobubbles in liquid. In this work, we demonstrate with single-particle monitoring that 100 nm gold nanoparticles (AuNPs) irradiated by off-resonance femtosecond (fs) laser in the tissue therapeutic optical window (λ = 800 nm), can act as a durable nanolenses in liquid and provoke nanocavitation while remaining intact. We have employed combined ultrafast shadowgraphic imaging, in situ dark field imaging and dynamic tracking of AuNP Brownian motion to ensure the study of individual AuNPs/nanolenses under multiple fs laser pulses. We demonstrate that 100 nm AuNPs can generate multiple, highly confined (radius down to 550 nm) and transient (life time < 50 ns) nanobubbles. The latter is of significant importance for future development of in vivo AuNP-assisted laser nanosurgery and theranostic applications, where AuNP fragmentation should be avoided to prevent side effects, such as cytotoxicity and immune system's response. The experimental results have been correlated with theoretical modeling to provide an insight to the AuNP-safe cavitation mechanism as well as to investigate the deformation mechanism of the AuNPs at high laser fluences.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».