MétaCan
Menu
Retour à la cohorte
Enregistrement W2137782675 · doi:10.1002/cphc.200800099

Self‐Assembled Au Nanoparticles as Substrates for Surface‐Enhanced Vibrational Spectroscopy: Optimization and Electrochemical Stability

2008· article· en· W2137782675 sur OpenAlexafffund
Meikun Fan, Alexandre G. Brolo

Notice bibliographique

RevueChemPhysChem · 2008
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGold and Silver Nanoparticles Synthesis and Applications
Établissements canadiensUniversity of Victoria
Organismes subventionnairesBritish Columbia Knowledge Development FundNatural Sciences and Engineering Research Council of Canada
Mots-clésNanoparticleRaman spectroscopySpectroscopyMoleculeRaman scatteringAbsorption spectroscopyAnalytical Chemistry (journal)Infrared spectroscopyNanostructureMaterials scienceSurface-enhanced Raman spectroscopySubstrate (aquarium)ElectrochemistryChemistryNanotechnologyElectrodePhysical chemistryOpticsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Three-dimensional nanostructured metallic substrates for enhanced vibrational spectroscopy are fabricated by self-assembly. Nanostructures consisting of one to 20 depositions of 13 nm-diameter Au nanoparticles (NPs) on Au films are prepared and characterized by means of AFM and UV/Vis reflection-absorption spectroscopy. Surface-enhanced polarization modulation infrared reflection-absorption spectroscopy (PM-IRRAS) is observed from Au NPs modified by the probe molecule 4-hydroxythiophenol. The limitation of this kind of substrate for surface-enhanced PM-IRRAS is discussed. The surface-enhanced Raman scattering (SERS) from the same probe molecule is also observed and the effect of the number of Au-NP depositions on the SERS efficiency is studied. The SERS signal from the probe molecule maximizes after 11 Au-NP depositions, and the absolute SERS intensities from different batches are reproducible within 20%. In situ electrochemical SERS measurements show that these substrates are stable within the potential window between -800 and +200 mV (vs. Ag/AgCl/sat. Cl(-)).

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0010,000
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 Opus0,018
Tête enseignante GPT0,242
Écart entre enseignants0,224 · 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 source (Gemma direct ou Codex distillé), 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

Citations44
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemPhysChemMême sujetGold and Silver Nanoparticles Synthesis and ApplicationsTravaux en français237 207