MétaCan
Menu
Retour à la cohorte
Enregistrement W2105004126 · doi:10.1039/b312812a

Surface-enhanced resonance Raman scattering as an analytical tool for single molecule detection

2004· article· en· W2105004126 sur OpenAlexaff
Benissa Tolaieb, Carlos José Leopoldo Constantino, Ricardo F. Aroca

Notice bibliographique

RevueThe Analyst · 2004
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGold and Silver Nanoparticles Synthesis and Applications
Établissements canadiensUniversity of Windsor
Organismes subventionnairesFundação de Amparo à Pesquisa do Estado de São Paulo
Mots-clésRaman scatteringRaman spectroscopyPeryleneChemistryResonance (particle physics)MoleculeAnalytical Chemistry (journal)Absorption (acoustics)ScatteringSpectroscopyX-ray Raman scatteringInfrared spectroscopyMaterials scienceOpticsAtomic physicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

A perylene derivative, n-(n-butyl)-n′-(4-aminobutyl) perylene-3,4,9,10-tetracarboxylic acid diimide (simplified as nBu-PTCD-(CH2)4-NH2) has been chosen as the target molecule for studies involving single molecule detection (SMD) using Raman scattering. The enhancement of the Raman signal is the result of the multiplicative effects of two phenomena, resonance Raman scattering (RRS) and surface-enhanced Raman scattering (SERS), which leads to the resulting surface-enhanced resonance Raman scattering (SERRS) process. The SERRS spectra from a single molecule have been collected using both silver and gold colloids. The SMD detection of the fundamental vibrational frequencies characteristic of nBu-PTCD-(CH2)4-NH2 is complemented with the detection of some overtones and combinations from ring stretching modes at the single molecule level. The background characterization of the ensemble vibrational spectroscopy of the target perylene and its SERRS is also presented, which includes the UV-vis absorption, experimental and calculated Raman scattering and infrared absorption, and molecular organization using reflection-absorption infrared spectroscopy (RAIRS).

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 enseignants0,011
Score d'incertitude au seuil0,266

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 Opus0,026
Tête enseignante GPT0,276
Écart entre enseignants0,250 · 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

Citations51
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe AnalystMême sujetGold and Silver Nanoparticles Synthesis and ApplicationsTravaux en français237 207