Surface Plasmon Resonance Based Refractive Index Biosensor: A External Sensing Approach
Notice bibliographique
Résumé
Abstract A surface plasmon resonance (SPR) based sensor founded on Photonic crystal fiber (PCF) is suggested and numerically analyzed in the manuscript. The refractive index (RI) detecting SPR based sensor has the ability to identify the analyte range from 1.33 to 1.4. Pure silica is used as a base material and it has high RI value than the analyte RI. Furthermore, an analyte layer and chemically stable gold (Au) layer are also placed at the sensor design. The simulations are done based on the Finite Element Method (FEM). Here, the scaled-down approach has the necessity to increase phase matching point within the core mode and surface plasmon polariton (SPP) mode which tends to the sensor to reach high sensitivity response. At the intersect point of core and SPP mode, the loss curve shows a maximum peak value. The suggested sensor shows the highest wavelength sensitivity (WS) response of 35,943.22 nm/RIU, amplitude sensitivity (AS) response of 2321.36 RIU−1, sensor resolution of 9.04×10−6 RIU, and Figure of merit (FOM) value of 600. It is noted that all the optical parameters show better performance analysis. Furthermore, an external sensing approach provides more fabrication feasibility which marks the offered sensor more suitable for practical experimentation. Besides, the investigated sensor provides the maximum and rapid sensing performance that will be helpful for microfluidic analyte detection, detection of biomolecules, medical diagnostics, virus detection, security, and bio-imaging.
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) | 0,001 | 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».