Promote Localized Surface Plasmonic Sensor Performance via Spin-Coating Graphene Flakes over Au Nano-Disk Array
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
Although localized surface plasmonic resonance (LSPR) sensors have advantages over regular surface plasmonic resonance (SPR) sensors, such as in sensor setup, excitation method, and cost, they suffer from low performance when compared to SPR sensors, which thus limits their commercialization. Among different methods applied to promote LSPR sensor performance, metal-two-dimensional (2D) hybrid nanostructure has been shown to be an efficient improvement. However, metal-2D hybrid nanostructures may come in a complex or a simple scheme and the latter is preferred to avoid challenges in fabrication work and to be applicable in mass production. In this work, a new and simple gold-graphene hybrid scheme is proposed and its plasmonic sensing performance is numerically evaluated using the finite different time domain (FDTD) method. The proposed sensor can be fabricated by growing a Au nano-disk (ND) array on a quartz substrate and then spin-coating graphene flakes of different sizes and shapes randomly on top of and between the Au NDs. Very high sensitivity value is achieved with 2262 nm/RIU at a 0.01 refractive index change. The obtained sensitivity value is very competitive in the field of LSPR sensors using metal-2D hybrid nanostructure. This proposed sensor can be utilized in different biosensing applications such as immunosensors, sensing DNA hybridization, and early disease detection, as discussed at the end of this article.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle