MétaCan
Menu
Retour à la cohorte
Enregistrement W1971937343 · doi:10.1021/la061598c

Nanoparticle-Containing Structures as a Substrate for Surface-Enhanced Raman Scattering

2006· article· en· W1971937343 sur OpenAlexafffund
Christopher J. Addison, Alexandre G. Brolo

Notice bibliographique

RevueLangmuir · 2006
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGold and Silver Nanoparticles Synthesis and Applications
Établissements canadiensUniversity of Victoria
Organismes subventionnairesBritish Columbia Knowledge Development Fund
Mots-clésRaman scatteringNanoparticleSubstrate (aquarium)Materials scienceRaman spectroscopyNanotechnologyScatteringSurface (topology)Chemical engineeringChemistryOpticsPhysicsGeometry

Résumé

récupéré en direct d'OpenAlex

Metallic nanostructures were prepared through the alternate immersion of derivatized glass slides in solutions of gold nanoparticles (NPs) and a propanedithiol linker molecule. Nanostructures consisting of 1-17 depositions of gold NPs were synthesized, and these substrates were characterized using UV-vis spectroscopy and atomic force microscopy. Subsequently, the surface-enhanced Raman scattering (SERS) of oxazine 720 was obtained at two excitation wavelengths (632 and 785 nm) from all substrates. Maximum SERS enhancement was observed for 9 and 13 NP depositions for 632 and 785 nm excitations, respectively. The difference in the number of NP depositions required for maximum enhancement is attributed to different wavelengths which can excite distinct aggregate structures within the metallic substrate. Therefore, these NP-containing structures can be "tuned" to yield maximum SERS enhancement for the excitation source being used by varying the number of NP depositions.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,385

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,249
Écart entre enseignants0,234 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations103
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLangmuirMême sujetGold and Silver Nanoparticles Synthesis and ApplicationsTravaux en français237 207