Collision Enhanced Raman Scattering (CERS): An Ultra-High Efficient Raman Enhancement Technique for Hollow Core Photonic Crystal Fiber Based Raman Spectroscopy Gas Analyzer
Notice bibliographique
Résumé
Raman enhancement techniques are essential for gas analysis to increase the detection sensitivity of a Raman spectroscopy system. We have developed an efficient Raman enhancement technique called the collision-enhanced Raman scattering (CERS), where the active Raman gas as the analyte is mixed with a buffer gas inside the hollow-core photonic-crystal fiber (HCPCF) of a fiber-enhanced Raman spectroscopy (FERS) system. This results in an enhanced Raman signal from the analyte gas. In this study, we first showed that the intensity of the 587 cm−1 stimulated Raman scattering (SRS) peak of H2 confined in an HCPCF is enhanced by as much as five orders of magnitude by mixing with a buffer gas such as helium or N2. Secondly, we showed that the magnitudes of Raman enhancement depend on the type of buffer gas, with helium being more efficient compared to N2. This makes helium a favorable buffer gas for CERS. Thirdly, we applied CERS for Raman measurements of propene, a metabolically interesting volatile organic compound (VOC) with an association to lung cancer. CERS resulted in a substantial enhancement of propene Raman peaks. In conclusion, the CERS we developed is a simple and efficient Raman-enhancing mechanism for improving gas analysis. It has great potential for application in breath analysis for lung cancer 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,002 | 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 ».