Distinguishing Individual Vibrational Fingerprints: Single-Molecule Surface-Enhanced Resonance Raman Scattering from One-to-One Binary Mixtures in Langmuir−Blodgett Monolayers
Notice bibliographique
Résumé
Here, it is demonstrated that similar chemical species within a multicomponent sample can be distinguished, down to the single-molecule level, by means of their surface-enhanced vibrational fingerprints. Surface-enhanced resonance Raman scattering spectra and 2D spatial intensity maps are recorded from thin Ag nanoparticle films coated with fatty acid Langmuir-Blodgett monolayers containing one-to-one binary mixtures, at varying concentrations, of two dye molecules of similar absorption and scattering cross section (n-pentyl-5-salicylimidoperylene and octadecylrhodamine B). The results reveal the change in the distribution of the two dyes within the monolayer, and the breakdown of ensemble spectral averaging, which occur as the single-molecule regime is approached. It is found that the unimolecular level is reached when 1-10 molecules of each dye occupy the 1-microm2 scattering areas probed by the laser. These signals are attributed to the rare spatial coincidence of isolated target analyte molecules and localized electromagnetic hot spots in the nanostructured metal film. The bianalyte nature of the samples provides strong corroborative support for the attribution of spectra to single molecules at high dilution, while the effect of domain formation/aggregation is found to be important at higher concentrations.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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) | 0,000 | 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 tête enseignante, 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 ».