Mechanically Self-Assembled, Three-Dimensional Graphene–Gold Hybrid Nanostructures for Advanced Nanoplasmonic Sensors
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
Hybrid structures of graphene and metal nanoparticles (NPs) have been actively investigated as higher quality surface enhanced Raman spectroscopy (SERS) substrates. Compared with SERS substrates, which only contain metal NPs, the additional graphene layer provides structural, chemical, and optical advantages. However, the two-dimensional (2D) nature of graphene limits the fabrication of the hybrid structure of graphene and NPs to 2D. Introducing three-dimensionality to the hybrid structure would allow higher detection sensitivity of target analytes by utilizing the three-dimensional (3D) focal volume. Here, we report a mechanical self-assembly strategy to enable a new class of 3D crumpled graphene-gold (Au) NPs hybrid nanoplasmonic structures for SERS applications. We achieve a 3D crumpled graphene-Au NPs hybrid structure by the delamination and buckling of graphene on a thermally activated, shrinking polymer substrate. We also show the precise control and optimization of the size and spacing of integrated Au NPs on crumpled graphene and demonstrate the optimized NPs' size and spacing for higher SERS enhancement. The 3D crumpled graphene-Au NPs exhibits at least 1 order of magnitude higher SERS detection sensitivity than that of conventional, flat graphene-Au NPs. The hybrid structure is further adapted to arbitrary curvilinear structures for advanced, in situ, nonconventional, nanoplasmonic sensing applications. We believe that our approach shows a promising material platform for universally adaptable SERS substrate with high sensitivity.
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