Liquid and gas mid-infrared integrated spectroscopic sensor
Notice bibliographique
Résumé
Mid-infrared (mid-IR) waveguide sensors were fabricated using two platforms: chalcogenide glasses (ChGs) and porous silicon (PSi). ChGs layers were deposited through RF magnetron sputtering while PSi layers were prepared by electrochemical anodization. Ridge waveguides were patterned using standard i-line photolithography and reactive ion etching for both platforms. The ChGs waveguides exhibit a wide transparency range from λ = 3.94 to 8.95 µm, with a minimum propagation losses value of 2.5 dB/cm at λ = 7.58 µm, while PSi transparency range is from λ = 3.94 to 4.55 µm with a minimum propagation losses value of 9.1 dB/cm at λ = 4.12 µm. To validate the proposed ChGs sensor, a spectroscopic liquid sensing experiment was performed using acetonitrile and isopropanol. The results showed an estimated limit of detection (LoD) of 610 ppm at λ = 4.44 µm for acetonitrile and a LoD of 300 ppm at λ = 7.25 µm for isopropanol, enabled by the evanescent field interaction. Regarding gas sensing, CO 2 was used as the analyte. A LoD of 17000 ppm at λ = 4.28 µm was achieved using the ChGs platform. The sensing application was improved with the PSi platform. Due to the open pores, light and gas molecules interact within the internal volume, unlike the ChGs platform, where the interaction occurs with the evanescent part of the light. This results in an exalted external confinement factor, Γ, over 75 times greater for the PSi platform, achieving a LoD of 600 ppm at λ = 4.26 µm for CO 2 sensing. Estimation of concentrations from mixtures of two solutions through deconvolution of the measured spectra was also achieved with good approximations, validating the transduction capabilities in a complex environment using the ChGs platform.
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) | 0,000 | 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 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 ».