MétaCan
Menu
Retour à la cohorte
Enregistrement W4224237702 · doi:10.3390/mi13040638

Surface Plasmon Resonance of Large-Size Ag Nanobars

2022· article· en· W4224237702 sur OpenAlexaff
Fan Wu, Lin Cheng, Wenhui Wang

Notice bibliographique

RevueMicromachines · 2022
Typearticle
Langueen
DomaineEngineering
ThématiquePlasmonic and Surface Plasmon Research
Établissements canadiensMax Planck - University of Ottawa Centre for Extreme and Quantum Photonics
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésSurface plasmon resonanceFinite-difference time-domain methodMaterials scienceBar (unit)WavelengthOptoelectronicsResonance (particle physics)Etching (microfabrication)Localized surface plasmonInfraredPlasmonNanomaterialsSurface plasmonNanoparticleSilver nanoparticleNanotechnologyOpticsLayer (electronics)

Résumé

récupéré en direct d'OpenAlex

Silver nanobars have attracted much attention due to their distinctive localized surface plasmon resonance (LSPR) in the visible and near-infrared regions. In this work, large-size Ag nanobars (length: 400~1360 nm) working at a longer-wavelength near-infrared range (>1000 nm) have been synthesized. By using the finite-difference time-domain (FDTD) simulation, the LSPR properties of a single large-size Ag nanobar are systematically investigated. The LSPR in Ag nanobar can be flexibly tuned in a wide wavelength range (400~2000 nm) by changing the bar length or etching the bar in the length direction. Our work provides a flexible way to fabricate nanoparticle arrays using large-size nanobars and throws light on the applications of large-size nanomaterials on wide spectral absorbers, LSPR-based sensors and nanofilters.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,453
Score d'incertitude au seuil0,763

Scores Codex et Gemma par catégorie

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)0,0010,000

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 Opus0,009
Tête enseignante GPT0,237
Écart entre enseignants0,228 · 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'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

Citations18
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMicromachinesMême sujetPlasmonic and Surface Plasmon ResearchTravaux en français237 207