MétaCan
Menu
Retour à la cohorte
Enregistrement W2555127285 · doi:10.1038/ncomms13371

Ultrasensitive plasmonic sensing in air using optical fibre spectral combs

2016· article· en· W2555127285 sur OpenAlexafffund
Christophe Caucheteur, Tuan Guo, Fu Liu, Bai‐Ou Guan, Jacques Albert

Notice bibliographique

RevueNature Communications · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensCarleton University
Organismes subventionnairesFonds De La Recherche Scientifique - FNRSNatural Sciences and Engineering Research Council of CanadaNatural Science Foundation of Guangdong ProvinceNational Natural Science Foundation of China
Mots-clésMaterials sciencePlasmonOpticsFiber Bragg gratingRefractive indexCladding (metalworking)NarrowbandGratingSurface plasmon resonanceOptoelectronicsSurface plasmon polaritonSurface plasmonWavelengthNanotechnologyPhysicsNanoparticle

Résumé

récupéré en direct d'OpenAlex

Abstract Surface plasmon polaritons (SPP) can be excited on metal-coated optical fibres, enabling the accurate monitoring of refractive index changes. Configurations reported so far mainly operate in liquids but not in air because of a mismatch between permittivities of guided light modes and the surrounding medium. Here we demonstrate a plasmonic optical fibre platform that overcomes this limitation. The underpinning of our work is a grating architecture—a gold-coated highly tilted Bragg grating—that excites a spectral comb of narrowband-cladding modes with effective indices near 1.0 and below. Using conventional spectral interrogation, we measure shifts of the SPP-matched resonances in response to static atmospheric pressure changes. A dynamic experiment conducted using a laser lined-up with an SPP-matched resonance demonstrates the ability to detect an acoustic wave with a resolution of 10−8 refractive index unit (RIU). We believe that this configuration opens research directions for highly sensitive plasmonic sensing in gas.

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)0,0000,000

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 Opus0,016
Tête enseignante GPT0,271
Écart entre enseignants0,255 · 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

Citations233
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetAdvanced Fiber Optic SensorsTravaux en français237 207