Band Engineering of Quantum Dot Substrates to Utilize QD-Generated Photocarrier for SERS Signal Amplification
Notice bibliographique
Résumé
Interacting with light, plasmonic materials generate electric fields induced by localized surface plasmon resonance (LSPR) phenomenon. Electric field generated by plasmonic materials can induce optical phenomena such as light scattering, light emissive recombination and surface-enhanced Raman scattering (SERS). These phenomena grant versatile functionalities to plasmonic materials which can be applied to various devices such as photovoltaics, light emitting diode, meta material, SERS and so on. Amplifying electric field of plasmonic materials can improve the optical phenomenon and applications. Injecting external carriers into plasmonic materials can be good solution to improve electric field generation. In this research, we used incident light to generate photo-carrier and designed the band structure of the materials to extract photo-carrier into the plasmonic materials. We fabricated the substrate consisting of lead sulfide quantum dot/zinc oxide/plasmonic structure. The bottom quantum dot (QD) layer absorbs light and transfer photo-carrier to zinc oxide and plasmonic structure. For the photo-active material, we selected lead sulfide quantum dot (QD) because the band gap of the QD is conveniently tunable by controlling the size of QD. We synthesized the QD with the band gap around 1.3eV to optimize the light absorption ranging from 400nm to 900nm. Upper ZnO layer forms p-n junction with QD and selectively transports electron to top plasmonic materials. To verify the enhancement of electric field in photo-carrier injected plasmonic structure (PCIPS) substrate, we applied PCIPS substrate to SERS device. We measured 4 different molecules and the SERS signals enhanced from 3 to 7 times. Kelvin probe force microcopy (KPFM) measurement showed the change in surface potential of the substrate with and without light incidence. Our device showed great potential in SERS application because the device showed meaningful improvement in SERS signal simply using incident laser used to detect molecules. Figure 1
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».