MétaCan
Menu
Retour à la cohorte
Enregistrement W3175037050 · doi:10.1364/josab.420129

Surface plasmon resonance-based optical sensor using a thin layer of plasma

2021· article· en· W3175037050 sur OpenAlexaff
Sofyan A. Taya, Noor E. Al-Ashi, Omar M. Ramahi, İlhami Çolak, I. S. Amiri

Notice bibliographique

RevueJournal of the Optical Society of America B · 2021
Typearticle
Langueen
DomaineEngineering
ThématiquePlasmonic and Surface Plasmon Research
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesArab Fund for Economic and Social Development
Mots-clésSurface plasmon resonanceMaterials scienceRefractive indexLayer (electronics)PrismPlasmaAbsorption (acoustics)GrapheneSurface plasmonOptoelectronicsDielectricBiosensorChromiumOpticsPlasmonAnalytical Chemistry (journal)NanotechnologyChemistryComposite material

Résumé

récupéré en direct d'OpenAlex

We propose a surface plasmon resonance (SPR) biosensor that consists of six layers: glass prism (SF 10), chromium, metal, molybdenum disulphide, graphene, and sensing medium. A seventh layer is added between the glass prism and the chromium layer, which is a gap filled with plasma as a dielectric material. The plasma layer is expected to carry the amenity of the graphene optical characteristics and absorption ability. It is also expected to improve sensitivity of the SPR structure. The numerical calculations show that the sensitivity of the sensor is 76.11 deg/RIU (refractive index unit); without the plasma layer, it can be improved to 103 deg/RIU in the presence of 25 and 35 nm thick plasma and silver layers, respectively. The structure parameters are optimized with respect to the sensitivity. The proposed sensor can potentially be used for biological purposes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,292
Score d'incertitude au seuil0,553

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,265
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations60
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Optical Society of America BMême sujetPlasmonic and Surface Plasmon ResearchTravaux en français237 207