MétaCan
Menu
Retour à la cohorte
Enregistrement W4386469562 · doi:10.32920/24092127.v1

Decoupling and tuning the light absorption and scattering resonances in metallic composite nanostructures

2023· preprint· en· W4386469562 sur OpenAlexaff
Yossef Danan, Yehonatan Ramon, Jonathan Azougi, Alexandre Douplik, Zeev Zalevsky

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineMaterials Science
ThématiqueGold and Silver Nanoparticles Synthesis and Applications
Établissements canadiensToronto Metropolitan UniversitySt. Michael's Hospital
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceSurface plasmon resonanceScatteringResonance (particle physics)Absorption (acoustics)Light scatteringNanoparticleSiliconOptoelectronicsDecoupling (probability)NanotechnologyOpticsAtomic physicsComposite materialPhysics

Résumé

récupéré en direct d'OpenAlex

Utilizing the localized surface plasmon resonance (LSPR) effect of metallic nanoparticles enables their usage as contrast agents in a variety of applications for medical diagnostics and treatment. Those applications can use both the very strong absorption and scattering properties of the metallic nanoparticle due to their LSPR effects. There are certain applications where domination of the scattering over absorption or vice versa would be an advantage. However, the scattering and absorption resonance peaks have practically the same spectral location for solid noble metal nanoparticles at a certain domination of one over the other. In this paper we present gold nanoparticles coated with silicon that switches the order between the scattering and the absorption magnitude at the resonance peak by up to 34% in scattering-absorption ratio and tune the plasmon resonance over the spectrum by up to 56nm. This is obtained by modifying the refractive index of the silicon coating of the nanoparticle by illuminating it with a pumping light due to the plasma dispersion effect in silicon.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,262
Écart entre enseignants0,232 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGold and Silver Nanoparticles Synthesis and ApplicationsTravaux en français237 207