Design and Analysis of PtSe<sub>2</sub> and Blue Phosphorus/MoS<sub>2</sub> Heterostructure-Based SPR Biosensor
Notice bibliographique
Résumé
Biosensors using surface plasmon resonance (SPR) have emerged as effective tools for accurate and instantaneous sensing applications. Nevertheless, optimizing sensor configurations continues to be of utmost importance to attain dependable sensing capabilities. This work presents an intriguing design structure that integrates conventional SPR technology with PtSe 2 and blue phosphorus–MoS 2 heterostructure, resulting in an improved and adaptable sensing technology. The finite-difference time-domain (FDTD) method was used to model and design the prospective sensor. The proposed design has notable attributes, such as an extraordinarily narrow full width at half-maximum (FWHM) of 8.23°, small detection accuracy of 0.1215, an extraordinary sensitivity of 240.54°/RIU, and an outstanding quality factor of 29.23 RIU –1 . Significantly, this sensor has a sensitivity that is 3.2 times higher than that of traditional gold-based SPR sensors. In addition, the sensor provides a broad observable range of refractive indices, ranging from 1.33 to 1.36. The broad spectrum of this detection system allows for the identification of diverse ambient chemicals, such as alcohol, ethanol, and water, as well as biomolecules, including urine, glucose, and DNA hybridization. These results represent a significant stride forward for SPR biosensors, allowing for the creation of high-performance sensing systems with a wide range of potential uses.
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) | 0,000 | 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 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 ».