MétaCan
Menu
Retour à la cohorte
Enregistrement W2152265295 · doi:10.1021/nl104163m

Hyperspectral Nanoscale Imaging on Dielectric Substrates with Coaxial Optical Antenna Scan Probes.

2011· article· en· W2152265295 sur OpenAlexaff
Alexander Weber‐Bargioni, Adam Schwartzberg, Matteo Cornaglia, Ariel Ismach, Jeffrey J. Urban, Yuanjie Pang, Reuven Gordon, Jeffrey Bokor, Miquel Salmerón, D. Frank Ogletree, Paul D. Ashby, Stefano Cabrini, P. James Schuck

Notice bibliographique

RevueNano Letters · 2011
Typearticle
Langueen
DomaineEngineering
ThématiquePlasmonic and Surface Plasmon Research
Établissements canadiensUniversity of Victoria
Organismes subventionnairesBasic Energy SciencesU.S. Department of Energy
Mots-clésMaterials scienceCoaxialRaman spectroscopyOpticsHyperspectral imagingMicroscopyDielectricAntenna (radio)Carbon nanotubeOptoelectronicsMicroscopeNanoscopic scaleNanotechnology

Résumé

récupéré en direct d'OpenAlex

We have demonstrated hyperspectral tip-enhanced Raman imaging on dielectric substrates using linearly polarized light and nanofabricated coaxial antenna tips. A full Raman spectrum was acquired at each pixel of a 256 by 256 pixel contact-mode atomic force microscope image of carbon nanotubes grown on a fused silica microscope coverslip, allowing D and G mode intensity and D-mode peak shifts to be measured with ∼20 nm spatial resolution. Tip enhancement was sufficient to acquire useful Raman spectra in 50-100 ms. Coaxial scan probes combine the efficiency and enhanced, ultralocalized optical fields of plasmonically coupled antennae with the superior topographical imaging properties of sharp metal tips. The yield of the coaxial tip fabrication process is close to 100%, and the tips are sufficiently durable to support hours of contact-mode force microscope imaging. Our coaxial probes avoid the limitations associated with the "gap-mode" imaging geometry used in most tip-enhanced Raman studies to date, where a sharp metal tip is held ∼1 nm above a metallic substrate with the sample located in the gap.

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 enseignants0,048
Score d'incertitude au seuil0,778

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 Opus0,013
Tête enseignante GPT0,200
Écart entre enseignants0,186 · 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

Citations114
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNano LettersMême sujetPlasmonic and Surface Plasmon ResearchTravaux en français237 207