Multi-modal, ultrasensitive detection of trace explosives using MEMS devices with quantum cascade lasers
Notice bibliographique
Résumé
Multi-modal chemical sensors based on microelectromechanical systems (MEMS) have been developed with an electrical readout. Opto-calorimetric infrared (IR) spectroscopy, capable of obtaining molecular signatures of extremely small quantities of adsorbed explosive molecules, has been realized with a microthermometer/microheater device using a widely tunable quantum cascade laser. A microthermometer/microheater device responds to the heat generated by nonradiative decay process when the adsorbed explosive molecules are resonantly excited with IR light. Monitoring the variation in microthermometer signal as a function of illuminating IR wavelength corresponds to the conventional IR absorption spectrum of the adsorbed molecules. Moreover, the mass of the adsorbed molecules is determined by measuring the resonance frequency shift of the cantilever shape microthermometer for the quantitative opto-calorimetric IR spectroscopy. In addition, micro-differential thermal analysis, which can be used to differentiate exothermic or endothermic reaction of heated molecules, has been performed with the same device to provide additional orthogonal signal for trace explosive detection and sensor surface regeneration. In summary, we have designed, fabricated and tested microcantilever shape devices integrated with a microthermometer/microheater which can provide electrical responses used to acquire both opto-calorimetric IR spectra and microcalorimetric thermal responses. We have demonstrated the successful detection, differentiation, and quantification of trace amounts of explosive molecules and their mixtures (cyclotrimethylene trinitramine (RDX) and pentaerythritol tetranitrate (PETN)) using three orthogonal sensing signals which improve chemical selectivity.
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 ».