MétaCan
Menu
← Retour à la cohorte
Enregistrement W3217506595 · doi:10.1109/pn52152.2021.9597967

Microwave resonances in aqueous monomer and dimers

2021· article· en· W3217506595 sur OpenAlexaff
Miao Hu, Aaron D. Slepkov

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiquePlasmonic and Surface Plasmon Research
Établissements canadiensTrent University
Organismes subventionnairesnon disponible
Mots-clésNanophotonicsPlasmonDielectricMicrowaveDimerMaterials scienceDipoleMonomerAqueous solutionResonance (particle physics)Discrete dipole approximationElectromagnetic fieldSPHERESSurface plasmon resonanceNanoparticleMolecular physicsOptoelectronicsChemical physicsNanotechnologyPhysicsChemistryAtomic physicsNuclear magnetic resonanceTelecommunicationsComputer sciencePolymer

Résumé

récupéré en direct d'OpenAlex

The highly-localized and intense electromagnetic hotspots afforded by plasmonic resonances in nano-scaled metallic objects have led to many exciting biomedical applications. The equivalence between nanoplasmonic hotspots, and those due to morphology-dependent resonances in high-index dielectrics is a promising avenue of nanophotonic research. In the microwave frequency regime water is such a material (n~9), and thus cm-sized aqueous dielectric objects can become resonant to few-GHz light from microwaves, WiFi, and other communication-band sources. We are using experimental, analytical, and computational approaches for studying hotspots in aqueous dimers. Experimentally, we use a household microwave oven, grape-sized hydrogel beads, and thermal imaging to demonstrate a transition from dipole-like resonance in isolated spheres to intense hotspots at the nexus of dimers. We computationally identify a host of fundamental resonances in spherical monomers that hybridize to yield either/both internal and point-of-contact dimer modes. We demonstrate that an intuitive vector-field addition approach intuitively identifies which resonances are most likely to combine to form an axial hotspot in the dimer. The usefulness of this approach is confirmed with 3D FEM simulations.

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)0,000
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 enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0020,000

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 Opus0,011
Tête enseignante GPT0,217
Écart entre enseignants0,206 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPlasmonic and Surface Plasmon Research→Travaux en français237 207→