MétaCan
Menu
Retour à la cohorte
Enregistrement W4401206212 · doi:10.1088/1361-6528/ad6a1f

Analyte-dependent Rabi splitting in solid-state plexcitonic sensors based on plasmonic nanoislands strongly coupled to J-aggregates

2024· article· en· W4401206212 sur OpenAlexafffund
John Garcia, Ethan Alex Wilson, Dipesh Aggarwal, Harshitha Rajashekhar, Damini Vrushabendrakumar, Karthik Shankar

Notice bibliographique

RevueNanotechnology · 2024
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueStrong Light-Matter Interactions
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlberta Innovates
Mots-clésMaterials sciencePlasmonAnalyteSolid-stateChemical physicsOptoelectronicsNanotechnologyMolecular physicsPhysical chemistryEngineering physicsPhysics

Résumé

récupéré en direct d'OpenAlex

A key challenge in the field of plexcitonic quantum devices is the fabrication of solid-state, device-friendly plexcitonic nanostructures using inexpensive and scalable techniques. Lithography-free, bottom-up nanofabrication methods have remained relatively unexplored within the context of plexcitonic coupling. In this work, a plexcitonic system consisting of thermally dewetted plasmonic gold nanoislands (AuNI) coated with a thin film of J-aggregates was investigated. Control over nanoisland size and morphology allowed for a range of plasmon resonances with variable detuning from the exciton. The extinction spectra of the hybrid AuNI/J-aggregate films display clear splitting into upper and lower hybrid resonances, while the dispersion curve shows anti-crossing behavior with an estimated Rabi splitting of 180 eV at zero detuning. As a proof of concept for quantum sensing, the AuNI/J-aggregate hybrid was demonstrated to behave as a plexcitonic sensor for hydrochloric acid vapor analyte. This work highlights the possibility of using thermally dewetted nanoparticles as a platform for high-quality, tunable, cost-effective, and scalable plexcitonic nanostructures for sensing devices and beyond.

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 enseignants0,000
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)0,0000,000

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 Opus0,008
Tête enseignante GPT0,275
Écart entre enseignants0,268 · 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

Citations3
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNanotechnologyMême sujetStrong Light-Matter InteractionsTravaux en français237 207