A SERS and electrical sensor from gas-phase generated Ag nanoparticles self-assembled on planar substrates
Notice bibliographique
Résumé
Optical excitation of coupled plasmonic nanoparticles supports intense localized electromagnetic "hot-spots" which enable a variety of surface enhanced spectroscopies with the best known example being surface enhanced Raman scattering (SERS), currently of great interest for sensing applications. In this study, we present a novel SERS and electrical dual transduction chemical sensor based on gas-phase generated, negatively charged, silver nanoparticles self-assembled on glass slide forming a close-packed plasmonic monolayer thin-film that supports both SERS and electrical sensing. We demonstrate broad tunability of the localized surface plasmon resonance (LSPR) of the close-packed plasmonic nanoparticle monolayer thin-film sensors through control of the nanoparticle (NP) deposition time which directly influences the plasmonic coupling between neghibouring NPs. This broad tunability supports strong SERS activity from visible to near infrared (NIR) excitation wavelengths. We performed SERS and electrical measurements of a non-resonant molecule 4-mercaptobenzonitrile (4-MBN) as a sample Raman reporter molecule to determine the SERS enhancement factor of our SERS substrate. We measured an average SERS enhancement factor of 10(7) from our close-packed plasmonic nanoparticle monolayer thin-film sensor. Films which were grown below or above one nanoparticle monolayer both exhibited significantly lower SERS performance in one or more of SERS enhancement factor (EF), uniformity or repeatability. Our close-packed plasmonic nanoparticle monolayer thin-film sensors are highly uniform from point-to-point across the entire substrate and showed good reproducibility from batch-to-batch. These qualities are highly desirable for quantifiable detection of chemical and biological molecules. As an example application, this type of substrates provides an affordable and reliable sensing and identification capability for combatting new and emerging chemical and biological threats in support of security applications.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».