MétaCan
Menu
Retour à la cohorte
Enregistrement W2279802015 · doi:10.1021/acsphotonics.5b00594

Electron Energy-Loss Spectroscopy of Multipolar Edge and Cavity Modes in Silver Nanosquares

2016· article· en· W2279802015 sur OpenAlexafffund
Edson P. Bellido, Alejandro Manjavacas, Yue Zhang, Yang Cao, Peter Nordlander, Gianluigi A. Botton

Notice bibliographique

RevueACS Photonics · 2016
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGold and Silver Nanoparticles Synthesis and Applications
Établissements canadiensMcMaster University
Organismes subventionnairesArmy Research OfficeNatural Sciences and Engineering Research Council of CanadaWelch Foundation
Mots-clésElectron energy loss spectroscopyPlasmonMaterials scienceSpectroscopyNanostructureSurface plasmonCharacterization (materials science)Image resolutionScatteringOpticsElectronOptoelectronicsPhysicsNanotechnologyTransmission electron microscopy

Résumé

récupéré en direct d'OpenAlex

The characterization of surface plasmon resonances supported by metallic nanostructures requires high spatial and energy resolution. In the past few years, electron energy loss spectroscopy (EELS) has emerged as a very powerful tool to accomplish this task. In this work, we demonstrate the power of this technique for probing and imaging resonances of metallic nanostructures by analyzing the plasmonic response of silver nanosquares of sizes ranging from 230 nm up to 1 μm. Because of the relatively large size of these structures, we find that, despite their simple geometry, these systems can support a large variety of multipolar modes, which can only be detected and imaged thanks to the high spatial and energy resolution achieved by pushing EELS to its limits. The experimental results are supported by rigorous theoretical calculations that allow a detailed interpretation of the EELS measurements. In particular, we were able to map, with high level of detail, edge and high-order cavity modes. Furthermore, by calculating the scattering cross-section of these nanostructures, we confirm that most of the observed modes are dark and thus remain hidden in optical measurements, thus demonstrating the power of EELS as a unique tool for probing and imaging a large range and variety of plasmonic resonances of metallic nanostructures.

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 enseignants0,005
Score d'incertitude au seuil0,275

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 Opus0,008
Tête enseignante GPT0,229
Écart entre enseignants0,221 · 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

Citations55
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS PhotonicsMême sujetGold and Silver Nanoparticles Synthesis and ApplicationsTravaux en français237 207