Flow-based approach for scalable fabrication of Ag nanostructured substrate as a platform for surface-enhanced Raman scattering
Notice bibliographique
Résumé
The droplet-based biphasic reaction is an efficient strategy for the fabrication of surface-bound nanostructures. Here, we developed a process of fabricating ordered micro-ring arrays of silver (Ag) nanostructures from surface nanodroplet reaction on a micro-patterned hydrophobic substrate for reproducible detection by surface-enhanced Raman spectroscopy (SERS). Our process consisted of the generation of surface nanodroplet arrays, followed by a biphasic chemical reaction between droplets and the continuous flow of silver nitrate (AgNO3) precursor solution. The parameters in the formation and reaction of the droplet array were well controlled to maintain the uniformity of Ag nanostructures throughout the substrate. By scaling up the process parameters and the size of the microchamber, we were able to produce a SERS substrate with a surface area of > 60 cm^2 in a single run. Such a large area could be sufficient for analyzing more than a thousand samples. We demonstrated the repeatability of SERS measurements using Ag nanostructures by analyzing three environmental (rhodamine 6G, chlorpyrifos, triclosan), a biological (indoxyl sulfate), and a psychoactive drug (tetrahydrocannabinol) compounds. 2D mapping of SERS intensities was also performed for both small and large-scale substrates by collecting data from more than 100 locations on the substrate. Our work demonstrated droplet-based biphasic reaction as a simple approach for the fabrication of SERS substrate with a large area. The technique may help to eliminate the requirement for sophisticated equipment for the fabrication of SERS active substrate.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».