A Nanocellulose‐Paper‐Based SERS Multiwell Plate with High Sensitivity and High Signal Homogeneity
Notice bibliographique
Résumé
Abstract Paper‐based surface‐enhanced Raman scattering (SERS) substrates have gained growing interest as an eco‐friendly and low‐cost tool for chemical and biosensing. However, paper‐based SERS substrates often suffer relatively low signal spatial homogeneity because of their nonuniform hot‐spot distribution. In this paper, a nanofibrillated cellulose paper (nanopaper) based SERS multiwell plate is developed for trace chemical detection with high sensitivity and high signal homogeneity. The SERS plate is fabricated from ultrasmooth (2,2,6,6‐tetramethylpiperidin‐1‐yl)oxyl‐oxidized NFC paper (TO‐nanopaper) through wax‐printing‐based multiwell patterning followed by silver nanoparticle (AgNP) growth based on a successive ionic layer adsorption and reaction (SILAR) process. Taking advantage of the abundance of carboxyl groups on the TO‐nanopaper, uniformly distributed and densely arranged AgNPs are successfully synthesized through the SILAR process on the NFC multiwell surface under ambient conditions. The SERS performance of the device is evaluated for testing two Raman marker chemicals, rhodamine B and 2‐naphthalenethiol, and picomolar detection limit and high Raman enhancement factor (up to 1.46 × 109) are achieved. The Raman signal mapping results show superior signal spatial homogeneity of the device with low variations (≤11%). The nanopaper‐based SERS device represents a promising SERS platform for chemical and biomolecule detections with high sensitivity and high repeatability.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; 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 ».