MétaCan
Menu
Retour à la cohorte
Enregistrement W1972767429 · doi:10.1364/oe.18.019009

Long range surface plasmons on asymmetric suspended thin film structures for biosensing applications

2010· article· en· W1972767429 sur OpenAlexafffund
Chengkun Chen, Pierre Berini, Reuven Gordon

Notice bibliographique

RevueOptics Express · 2010
Typearticle
Langueen
DomaineEngineering
ThématiquePlasmonic and Surface Plasmon Research
Établissements canadiensUniversity of OttawaUniversity of Victoria
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRefractive indexMaterials scienceOpticsSurface plasmonSubstrate (aquarium)WaveguideSlabDielectricFigure of meritPlasmonTransfer-matrix method (optics)BiosensorOptoelectronicsNanotechnologyPhysics

Résumé

récupéré en direct d'OpenAlex

We show that long-range surface plasmons (LRSPs) are supported in a physically asymmetric thin film structure, consisting of a low refractive index medium on a metal slab, supported by a high refractive index dielectric layer (membrane) over air, as a suspended waveguide. For design purposes, an analytic formulation is derived in 1D yielding a transcendental equation that ensures symmetry of the transverse fields of the LRSP within the metal slab by constraining its thicknesses and that of the membrane. Results from the formulation are in quantitative agreement with transfer matrix calculations for a candidate slab waveguide consisting of an H(2)O-Au-SiO(2)-air structure. Biosensor-relevant figures of merit are compared for the asymmetric and symmetric structures, and it is found that the asymmetric structure actually improves performance, despite higher losses. The finite difference method is also used to analyse metal stripes providing 2D confinement on the structure, and additional constraints for non-radiative LRSP guiding thereon are discussed. These results are promising for sensors that operate with an aqueous solution that would otherwise require a low refractive index-matched substrate for the LRSP.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil1,000

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 recherche0,0000,001
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 Opus0,018
Tête enseignante GPT0,263
Écart entre enseignants0,245 · 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.

Devis d'étudeSimulation ou modélisation
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

Citations38
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOptics ExpressMême sujetPlasmonic and Surface Plasmon ResearchTravaux en français237 207