A Short Review on the Role of the Metal-Graphene Hybrid Nanostructure in Promoting the Localized Surface Plasmon Resonance Sensor Performance
Notice bibliographique
Résumé
Localized Surface Plasmon Resonance (LSPR) sensors have potential applications in essential and important areas such as bio-sensor technology, especially in medical applications and gas sensors in environmental monitoring applications. Figure of Merit (FOM) and Sensitivity (S) measurements are two ways to assess the performance of an LSPR sensor. However, LSPR sensors suffer low FOM compared to the conventional Surface Plasmon Resonance (SPR) sensor due to high losses resulting from radiative damping of LSPs waves. Different methodologies have been utilized to enhance the performance of LSPR sensors, including various geometrical and material parameters, plasmonic wave coupling from different structures, and integration of noble metals with graphene, which is the focus of this report. Recent studies of metal-graphene hybrid plasmonic systems have shown its capability of promoting the performance of the LSPR sensor to a level that enhances its chance for commercialization. In this review, fundamental physics, the operation principle, and performance assessment of the LSPR sensor are presented followed by a discussion of plasmonic materials and a summary of methods used to optimize the sensor's performance. A focused review on metal-graphene hybrid nanostructure and a discussion of its role in promoting the performance of the LSPR sensor follow.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».