Dynamic Imaging of Multiple SERS Hotspots on Single Nanoparticles
Notice bibliographique
Résumé
Signal intensity fluctuations are a ubiquitous characteristic of single-molecule surface-enhanced Raman scattering (SERS). In this work, we observed SERS intensity fluctuations (SIFs) from single nanoparticles fully coated with an adsorbate layer. Fluctuations from dry, fully coated nanoparticles are assigned to a dynamic molecule/metal environment wherein atomic-scale reconstructions support SERS. Using super resolution imaging techniques, we were able to pinpoint the positions of the fluctuations with subparticle precision. We observed that the fluctuation events were separated spatially, temporally, and were unique to different laser excitation wavelengths and polarizations. Dual-wavelength super-resolution SERS imaging with green and red lasers reveal various classes of SIFs that occur either simultaneously or nonsimultaneously and from either the same or different location on a single nanoparticle. Similar results were seen when the particle is excited with different polarizations. This suggests that single molecule responses from several different hotspots in the same nanoparticle were readily probed. Furthermore, each nanoparticle contains multiple unique hotspots of different strengths, and resonance conditions, which are accessible by the different illumination conditions. The plasmon resonances localized by the roughness features at the nanoparticle’s surface play a significant role in the fluctuation events. Our experiments show that SERS hotspots that support single molecules are not a static feature of the nanoparticle. This information should be useful to guide future single-molecule SERS experiments.
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 | 0,000 | 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) | 0,000 | 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 ».