MétaCan
Menu
Retour à la cohorte
Enregistrement W2121735059 · doi:10.1039/c4an00889h

Exploring copper nanostructures as highly uniform and reproducible substrates for plasmon-enhanced fluorescence

2014· article· en· W2121735059 sur OpenAlexaff
Diogo Volpati, Edna R. Spada, C. Cid, M. L. Sartorelli, Ricardo F. Aroca, Carlos José Leopoldo Constantino

Notice bibliographique

RevueThe Analyst · 2014
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGold and Silver Nanoparticles Synthesis and Applications
Établissements canadiensUniversity of Windsor
Organismes subventionnairesInstituto Nacional de Ciência e Tecnologia em Eletrônica OrgânicaConselho Nacional de Desenvolvimento Científico e Tecnológico
Mots-clésCopperNanostructureFluorescenceNanotechnologySurface plasmonPlasmonMaterials scienceSurface plasmon resonanceOptoelectronicsChemistryNanoparticleOpticsMetallurgyPhysics

Résumé

récupéré en direct d'OpenAlex

The unique properties of metallic nanostructures of coinage metals that can sustain localized surface plasmon resonances (LSPR) put them at the centre of plasmon-enhanced phenomena. The theory of plasmonic phenomena based on LSPR is well-established. However, the fabrication of plasmonic substrates, reproducibly, is still challenging for applications in surface-enhanced Raman scattering (SERS) and surface-enhanced fluorescence (SEF). In this work we describe well-ordered copper nanostructures (CuNSs), produced by electrodeposition and nanosphere lithography, as active substrates for SEF. After a detailed spectroscopic and microscopic characterization, CuNSs are successfully applied as SEF-active substrates using a well-known perylene derivative as a target molecule. The signal reproducibility from CuNS substrates was established by comparing the results against those obtained from a simply roughened Cu substrate. Under optimal conditions, signal variability is around 4%.

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 enseignants0,010
Score d'incertitude au seuil0,278

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 Opus0,046
Tête enseignante GPT0,250
Écart entre enseignants0,204 · 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

Citations17
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

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