MétaCan
Menu
Retour à la cohorte
Enregistrement W3217241200 · doi:10.1088/1361-6528/ac3f12

Interparticle gap geometry effects on chiroptical properties of plasmonic nanoparticle assemblies

2021· article· en· W3217241200 sur OpenAlexafffund
Feng Li, Skandan Chandrasekar, Aftab Ahmed, Anna Klinkova

Notice bibliographique

RevueNanotechnology · 2021
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMetamaterials and Metasurfaces Applications
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPlasmonMaterials scienceNanoparticleAsymmetryChirality (physics)TetrahedronFinite element methodNanotechnologyChemical physicsMolecular physicsOptoelectronicsCrystallographyPhysicsQuantum mechanicsChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Chiral linear assemblies of plasmonic nanoparticles with chiral optical activity often show low asymmetry factors. Systematic understanding of the structure-property relationship in these systems must be improved to facilitate rational design of their chiroptical response. Here we study the effect of large area interparticle gaps in chiral linear nanoparticle assemblies on their chiroptical properties using a tetrahelix structure formed by a linear face-to-face assembly of nanoscale Au tetrahedra. Using finite-difference time-domain and finite element methods, we performed in-depth evaluation of the extinction spectra and electric field distribution in the tetrahelix structure and its dependence on various geometric parameters. The reported structure supports various plasmonic modes, one of which shows a strong incident light handedness selectivity that is associated with large face-to-face junctions. This works highlights the importance of gap engineering in chiral plasmonic assemblies to achieve g -factors greater than 1 and produce structures with a handedness-selective optical response.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 GPT0,259
Écart entre enseignants0,231 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations1
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNanotechnologyMême sujetMetamaterials and Metasurfaces ApplicationsTravaux en français237 207