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 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 ».