Integrated Lab-on-a-Chip Optical Biosensor Using Ultrathin Silicon Waveguide SOI MMI Device
Notice bibliographique
Résumé
Waveguides with sub-100 nm thickness offer a promising platform for sensors. We designed and analyzed multimode interference (MMI) devices using these ultrathin platforms for use as biosensors. To verify our design methodology, we compared the measured and simulated spectra of fabricated 220-nm-thick MMI devices. Designs of the MMI biosensors based on the sub-100 nm platforms have been optimized using finite difference time domain simulations. At a length of 4 mm, the 50-nm-thick MMI sensor provides a sensitivity of roughly 420 nm/RIU and with a figure of merit (FOM) definition of sensitivity/full-width-at-half-maximum, the FOM is 133. On the other hand, using a thickness of 70 nm results in a more compact design—only 2.4 mm length was required to achieve a similar FOM, 134, with a sensitivity of 330 nm/RIU. The limits of detection (LOD) were calculated to be 7.1 × 10−6 RIU and 8.6 × 10−6 RIU for the 50 nm and the 70-nm-thick sensor, respectively. The LOD for glucose sensing was calculated to be less than 10 mg dL−1 making it useful for detecting glucose in the diabetic range. The biosensor is also predicted to be able to detect layers of protein, such as biotin-streptavidin as thin as 1 nm. The ultrathin SOI waveguide platform is promising in biosensing applications using this simple MMI structure.
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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».