Plasmon Tunability and Field Enhancement of Gold Nanostar
Notice bibliographique
Résumé
Objective: The localized surface plasmon resonance (LSPR) and field enhancement of Gold nanosphere and nanostar were evaluated. Method: FDTD solutions, a product of Lumerical solutions Inc., Vancouver, Canada [17], was used to perform the electromagnetic simulations in this work. The impact of particle size and spike number on peak wavelength was studied quantitatively. Result: By altering the particle size and amount of spikes, we were able to detect a hot zone around nanostar. For Au nanostar, the peak wavelength for nanostar varies from visible to near-infrared. When compared to a nanosphere of the same dimension, the shift seen in nanostar is substantially higher, making it more suitable for biosensing applications. When the refractive index of the surrounding medium is increased, a red shift in peak wavelength is noticed, forming the basis for a plasmonic refractive index sensor. Aside from having a higher sensitivity, nanostar has a twofold hot spot system due to their unique surfaces. There is no evidence of spike aggregation in the near field pattern. As a result, it is thought to be a better nanostructure for biosensing applications. Conclusion: The LSPR and field enhancement for Au nanosphere and Nanostar were investigated using the FDTD method. The nanosphere's peak wavelength is in visible region, whereas the nanostar's range extends from visible to near-infrared, depending on the size and number of spikes. At 517 nm, the enhancement factor for a nanosphere was 102, but at 1282 nm, the enhancement factor for a nanostar with six spikes was 108.
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 | 0,001 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».