MétaCan
Menu
Retour à la cohorte
Enregistrement W2334163178 · doi:10.1021/ph400018s

From Thermo- to Plasma-Mediated Ultrafast Laser-Induced Plasmonic Nanobubbles

2014· article· en· W2334163178 sur OpenAlexaff
R. Lachaine, Étienne Boulais, Michel Meunier

Notice bibliographique

RevueACS Photonics · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueLaser-Ablation Synthesis of Nanoparticles
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésCavitationLaserMaterials scienceUltrashort pulseFemtosecondPlasmaPlasmonPicosecondNanosecondPolarization (electrochemistry)OptoelectronicsOpticsNanotechnologyPhysicsChemistryMechanics

Résumé

récupéré en direct d'OpenAlex

The laser-induced generation of vapor bubbles around gold nanoparticles (AuNPs) is a promising diagnostic and therapeutic avenue for various pathologies. The physical mechanism that leads to their formation strongly depends on the time regime of the irradiation. While the plasmonic nanobubbles induced by nanosecond and picosecond laser pulses are known to be triggered by the energy that is absorbed in the nanoparticles and diffused in the medium (thermo-mediated cavitation), we show that a different plasma-mediated mechanism occurs in the case of femtosecond pulses. In this paper, we present experimental evidence that the dimensions of laser-induced bubbles depend on the polarization of the incident laser pulse when the pulse duration is reduced below ∼1 ps. This result cannot be explained by the standard thermo-mediated cavitation process and, thus, reveals the onset of a new mechanism in the ultrafast regime. We further show that the discrepancy between the dimensions of bubbles generated from linearly and circularly polarized laser pulses can be explained using a simple model, revealing the polarization cavitation dependence as a clear signature of the plasma mechanism. This paper presents in detail the transition between both cavitation regimes and provides insight into the precise control of the cavitation dynamics at the nanoscale.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,011
Tête enseignante GPT0,204
Écart entre enseignants0,193 · 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 source (Gemma direct ou Codex distillé), 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

Citations90
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS PhotonicsMême sujetLaser-Ablation Synthesis of NanoparticlesTravaux en français237 207