Surface-Enhanced Raman Scattering on Dendrimer/Metallic Nanoparticle Layer-by-Layer Film Substrates
Notice bibliographique
Résumé
In this paper, the fabrication, characterization, and application of unique layer-by-layer (LBL) films of dendrimers and metallic nanoparticles is reported. Silver nanoparticles (d = approximately 20 nm) are produced in solution by sodium citrate reduction and incorporated into thin films with generation 1 and 5 DAB-Am dendrimers (polypropylenimine dendrimers with amino surface groups) by the LBL technique. The resulting nanocomposite films are characterized by UV-visible surface plasmon absorption and atomic force microscopy (AFM) measurements, and employed as substrates for surface-enhanced Raman scattering (SERS) of 2-naphthalenethiol. Through variation of the molecular size (dendrimer generation) and concentration of the cross-linker used, as well as the number of layers produced, the optical properties of several different possible architectures are studied. In the films, Ag nanoparticles are shown to be effectively immobilized and stabilized with increased control over their spacing and aggregation. Moreover, the films are shown to be excellent substrates for SERS measurements, demonstrating significant enhancement capability. As expected, large electromagnetic enhancement of Raman scattering signals is found to be strongly dependent on interparticle coupling between neighboring metallic nanoparticles. Finally, the possibility of detecting SERS signals from architectures with intervening layers between the metal nanoparticles and analyte molecules is explored. It is shown that although there are decreases in intensity with increasing number of intervening layers (as is expected from the distance dependence of SERS), electromagnetic enhancement is still able to function at these distances, thus offering the possibility of developing sensors with external layers that are chemically selective for specific analytes.
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) | 0,001 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».