Mode-Coupling Generation Using ITO Nanodisk Arrays with Au Substrate Enabling Narrow-Band Biosensing
Notice bibliographique
Résumé
Plasmonic metal nanostructures have promising applications in biosensing due to their ability to facilitate light-matter interaction. However, the damping of noble metal leads to a wide full width at half maximum (FWHM) spectrum which restricts sensing capabilities. Herein, we present a novel non-full-metal nanostructure sensor, namely indium tin oxide (ITO)-Au nanodisk arrays consisting of periodic arrays of ITO nanodisk arrays and a continuous gold substrate. A narrow-band spectral feature under normal incidence emerges in the visible region, corresponding to the mode-coupling of surface plasmon modes, which are excited by lattice resonance at metal interfaces with magnetic resonance mode. The FWHM of our proposed nanostructure is barely 14 nm, which is one fifth of that of full-metal nanodisk arrays, and effectively improves the sensing performance. Furthermore, the thickness variation of nanodisks hardly affects the sensing performance of this ITO-based nanostructure, ensuring excellent tolerance during preparation. We fabricate the sensor ship using template transfer and vacuum deposition techniques to achieve large-area and low-cost nanostructure preparation. The sensing performance is used to detect immunoglobulin G (IgG) protein molecules, promoting the widespread application of plasmonic nanostructures in label-free biomedical studies and point-of-care diagnostics. The introduction of dielectric materials effectively reduces FWHM, but sacrifices sensitivity. Therefore, utilizing structural configurations or introducing other materials to generate mode-coupling and hybridization is an effective way to provide local field enhancement and effective regulation.
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 | 0,001 |
| 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 ».