Electrochemically Deposited Silver Nanostructures on Reduced Graphene Oxide Aerogels as Sensitive SERS Substrates
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Surface-enhanced Raman scattering (SERS) pushes the boundaries of Raman spectroscopy as an analytical technique, allowing improved sensitivity and high discriminatory ability in analyte detection. Here, we introduce a SERS substrate using reduced graphene oxide aerogels as scaffolds. Reduced graphene oxide aerogels are hydrophobic, electrically conductive, and easily formable, providing a versatile platform for silver dendritic nanostructure growth via electrochemical deposition. We show that the electrochemical growth conditions (applied voltage, reduction time) have a significant effect on both the morphology and coverage of the silver nanostructures, which in turn have a strong effect on the SERS performance of the substrate. The importance of Ag dendrite morphology to the SERS substrate’s performance is also confirmed by finite-difference time-domain simulations. Under silver growth conditions of 10 V applied voltage at 10 Hz for 120 min, we obtained a limit of detection of 3.16 × 10 –5 ppm for thiram, which is lower than the testing requirements set by food and environmental regulatory agencies. Moreover, the substrates showed high silver coverage (85.6%), reproducibility (relative standard deviation ∼6% for substrates produced under the same conditions), and relative stability (∼20% change) of the obtained signal over one month. In view of their SERS capabilities and relative ease of preparation, we consider this new class of substrates a strong candidate for meeting detection and quantification challenges for a broad spectrum of analytes.
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 ».