Self-Assembly of Strain-Adaptable Surface-Enhanced Raman Scattering Substrate on Polydimethylsiloxane Nanowrinkles
Notice bibliographique
Résumé
Flexible surface-enhanced Raman scattering (SERS) substrates adaptable to strains enable effective sampling from irregular surfaces, but the preparation of highly stable and sensitive flexible SERS substrates is still challenging. This paper reports a method to fabricate a high-performance strain-adaptable SERS substrate by self-assembly of Au nanoparticles (AuNPs) on polydimethylsiloxane (PDMS) nanowrinkles. Nanowrinkles are created on prestrained PDMS slabs by plasma-induced oxidation followed by the release of the prestrain, and self-assembled AuNPs are transferred onto the nanowrinkles to construct the high-performance SERS substrate. The results show that the nanowrinkled structure can improve the surface roughness and enhance the SERS signals by ∼4 times compared to that of the SERS substrate prepared on flat PDMS substrates. The proposed SERS substrate also shows good adaptability to dynamic bending up to ∼|0.4| 1/cm with excellent testing reproducibility. Phenolic pollutants, including aniline and catechol, were quantitatively tested by the SERS substrate. The self-assembled flexible SERS substrate proposed here provides a powerful tool for chemical analysis in the fields of environmental monitoring and food safety inspection.
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 ».