Inkjet-printed Surface-Enhanced Raman Scattering (SERS) sensors for field applications
Notice bibliographique
Résumé
The development of rapid and sensitive detection technology for identifying of chemicals and biological agents such as contraband substances, narcotics and toxins is critical for decision-making among first responders and military personnel. Recent advances in nanofabrication, microelectronics and computational power have led to miniaturization of portable analytical instruments. Among these, handheld Raman analyzer coupled with Surface Enhanced Raman spectroscopy (SERS), have become increasingly common for field detection challenges due to the enormous sensitivity of SERS technique. In this paper, we demonstrate the fabrication and analysis of flexible and porous paper-based SERS sensors by inkjet printing of colloidal Au nanoparticles (AuNP) onto paper substrate. Our paper-based SERS sensors are cost-effective and robust, and they provide the added advantage of point-of-sampling capability that rigid SERS sensors lack. With their inherent filtration sampling capability, we coupled our paper-SERS sensors with air pump for active sampling and detection of chemical aerosols. Additionally, we printed the SERS sensors in test strip format to enable swab sampling of chemical contaminants on door handle as a simulated field-sampling and detection of chemical toxins. Our swab sampling successfully picked up enough benzenethiol, BPE and fentanyl molecules to trigger positive detection. The used swab can also be preserved for further confirmatory tests such as paper-spray mass spectrometry.
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 | 0,000 |
| 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 ».