Plasmon response evaluation based on image-derived arbitrary nanostructures
Notice bibliographique
Résumé
The optical response of realistic 3D plasmonic substrates composed of randomly shaped particles of different size and interparticle distance distributions in addition to nanometer scale surface roughness is intrinsically challenging to simulate due to computational limitations. Here, we present a Finite Element Method (FEM)-based methodology that bridges in-depth theoretical investigations and experimental optical response of plasmonic substrates composed of such silver nanoparticles. Parametrized scanning electron microscopy (SEM) images of surface enhanced Raman spectroscopy (SERS) active substrate and tip-enhanced Raman spectroscopy (TERS) probes are used to simulate the far-and near-field optical response. Far-field calculations are consistent with experimental dark field spectra and charge distribution images reveal for the first time in arbitrary structures the contributions of interparticle hybridized modes such as sub-radiant and super-radiant modes that also locally organize as basic units for Fano resonances. Near-field simulations expose the spatial position-dependent impact of hybridization on field enhancement. Simulations of representative sections of TERS tips are shown to exhibit the same unexpected coupling modes. Near-field simulations suggest that these modes can contribute up to 50% of the amplitude of the plasmon resonance at the tip apex but, interestingly, have a small effect on its frequency in the visible range. The band position is shown to be extremely sensitive to particle nanoscale roughness, highlighting the necessity to preserve detailed information at both the largest and the smallest scales. To the best of our knowledge, no currently available method enables reaching such a detailed description of large scale realistic 3D plasmonic systems.
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 | 0,001 | 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) | 0,002 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».