Numerical Investigation of a High-Quality Factor Refractometric Nano-Sensor Comprising All-Dielectric Metamaterial Structures
Notice bibliographique
Résumé
This paper proposes an optical sensor based on nanoscale metamaterial structures. The design of the sensor has been explored with respect to biosensing applications through numerical modeling and analysis. The sensor comprises silica substrate and diamond nanostructures, both of which represent dielectrics. The sensing principle is based on the detection of ambient refractive index change. As the analyte properties change, the refractive index changes, as well. The refractive index change has been detected by striking electromagnetic waves onto the structure and noting the spectral response. Ultraviolet waves have been utilized for recording spectral responses and evaluating sensor performance. The sensor displays multiple sharp resonance peaks in the reflected beam. By altering the refractive index of the analyte present around the sensor, the peaks can be seen choosing different wavelengths. The resonance peaks have been investigated to observe electric and magnetic field dipoles in the sensor structure. The spectrum peaks have also been studied to understand fabrication tolerances. The sensor displays a linear response, along with a large Quality (Q) factor. The maximum value of the achieved Quality (Q) factor for the proposed sensor is 1229 while operating across the refractive index range of 1.4–1.45. The claim has been supported by comparison with contemporary works on similar platforms. A range of other sensing parameters have also been calculated and benchmarked. Metamaterial-based optical sensors can provide smaller device sizes, faster response times and label-free detection.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».