Influence of the Particle Shape and Density of Self-Assembled Gold Nanoparticle Sensors on LSPR and SERS
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A low-cost methodology to prepare highly sensitive sensors is reported with different nanoparticles for LSPR and SERS measurements. The LSPR and SERS sensor was self-assembled as an array of polystyrene-capped gold nanoparticles (Au NPs), produced by drop-coating a Au NP suspension on a glass surface followed by plasma etching of the polystyrene. The procedure was applied to different sizes and shapes of Au NPs, primarily 60 nm gold nanospheres and 80 nm gold nanoraspberries, created with precise control on the packing density of the array. The LSPR sensitivity and figure of merit (FOM) for the arrays of gold nanoraspberries were found to be almost 2-fold better than for the nanospheres and had a shorter penetration depth, a consequence of their small-sized surface asperities. The average measured SERS enhancement factor (EF) for the raspberries was also higher than for spheres and control over the EF was achieved using different packing densities which allowed control of the interparticle coupling enhancing the SERS response. The localized EF (hot spot) in dense arrays of nanoraspberries was measured to be in the order of a typical EF required for single molecule SERS, as demonstrated from the general agreement of experimental measurements with simulations performed using Comsol Multiphysics. This simple LSPR and SERS sensor could potentially serve as an effective platform for the identification and quantification of various analytes.
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.
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 découle