Surface-Enhanced Raman Spectroscopy Amplification with Film over Etched Nanospheres
Notice bibliographique
Résumé
Polymer nanosphere lithography (NSL) masks were etched in oxygen plasma prior to metal deposition, which tunes the localized surface plasmon resonance (LSPR) and the interparticle distance resulting in greater Raman amplification than conventional film over nanosphere (FON). Various nanosphere masks were investigated, using nanosphere sizes of 220, 360, 450, 520, and 650 nm etched from 0 (conventional FON) to 10 min. Thereby, the film over etched nanospheres (FOEN) amplifies by up to a factor of 4 the Raman response of 4-nitrobenzenethiol (4-NBT) on Ag as compared to unetched FON. The LSPR response of FOEN and SEM analysis of the gap distance revealed that the optimal amplification results from a combination of tuning the gap (a gap/diameter of less than 1 improves the Raman response), matching the laser excitation wavelength (633 and 785 nm both investigated), and an increasing roughness of FOEN. Metal multilayers of Ag and Au were also deposited to investigate the effect on the Raman and LSPR response. While the LSPR response remains relatively invariable, the Raman signal from 4-NBT decreased significantly by increasing the number of layers when Ag is used as the outer layer. However, a bimetallic film composed of Ag underlayer with Au as an outerlayer further increased the Raman response by a factor of 1.6. Overall, the most intense Raman response for FOEN was obtained with 360 nm nanospheres, etched for 1.5 min to create a gap of 66 nm with an overall bimetallic film thickness of 175 nm, which was composed of an Ag underlayer of 87.5 nm and an Au outerlayer of 87.5 nm. Thus, by performing these simple modifications to FON, the Raman response can be increased by nearly 1 order of magnitude.
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 ».