Exploiting graded triangular gratings for optimal nano-focusing: A novel approach to enhance SERS efficiency
Notice bibliographique
Résumé
Plasmonic graded nano-gratings enable rainbow trapping of multiple resonant modes over a wide wavelength spectrum, useful for multi-channel Surface Enhanced Raman Spectroscopy (SERS) of molecular species. However, rectangular nano-gratings have limitations in achieving efficient rainbow trapping and localizing a wide spectrum of plasmonic modes due to their stepwise geometry, which induces high dissipation of surface plasmon polaritons into the substrate. An alternative platform of graded triangular nano-gratings enables increased localization and more efficient adiabatic transformation between neighboring grooves. Varying groove angles, depths, and periods in the tapered geometry allow for smooth adjustment of the surface plasmon polariton propagation constant, reducing losses and maximizing nano-focusing inside the groove tips. To overcome the limitation of low aspect ratio in wet-etching silicon, we employed a multi-step process of reactive ion etching of a SiO2 barrier layer to generate aperture width, followed by anisotropic wet-etching. The resulting graded triangular nano-gratings showed excellent SERS enhancement along three laser wavelength excitations. The enhancement factors of 638 and 785 nm wavelengths are 8.5 × 109 and 9 × 108, respectively, for the detection of 1 µM Rhodamine 6G. In addition, graded triangular nano-gratings show similar enhancement factors for other species, specifically the lipid DPEE-PEG, at the 532 nm laser excitation wavelength with an excellent SERS enhancement factor of 1.5 × 109. Owing to the ability of the graded triangular gratings to elicit pronounced SERS responses across three distinct laser excitations, they unequivocally qualify as “rainbow trapping” structures. Wider apertures, lower ohmic losses, and the ability to tune the groove angle beyond conventional etching methods bode well for graded triangular gratings as a superior platform for miniature sensors.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».