FDTD Analysis of Hotspot-Enabling Hybrid Nanohole-Nanoparticle Structures for SERS Detection
Notice bibliographique
Résumé
Metallic nanoparticles (MNPs) and metallic nanostructures are both commonly used, independently, as SERS substrates due to their enhanced plasmonic activity. In this work, we introduce and investigate a hybrid nanostructure with strong SERS activity that benefits from the collective plasmonic response of the combination of MNPs and flow-through nanohole arrays (NHAs). The electric field distribution and electromagnetic enhancement factor of hybrid structures composed of silver NPs on both silver and gold NHAs are investigated via finite-difference time-domain (FDTD) analyses. This computational approach is used to find optimal spatial configurations of the nanoparticle positions relative to the nanoapertures and investigate the difference between Ag-NP-on-Ag-NHAs and Ag-NP-on-Au-NHAs hybrid structures. A maximum GSERS value of 6.8 × 109 is achieved with the all-silver structure when the NP is located 0.5 nm away from the rim of the NHA, while the maximum of 4.7 × 1010 is obtained when the nanoparticle is in full contact with the NHA for the gold-silver hybrid structure. These results demonstrate that the hybrid nanostructures enable hotspot formation with strong SERS activity and plasmonic enhancement compatible with SERS-based sensing applications.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».