Harnessing the Unique Nature of Evanescent Waves: Optimizing FOEW LSPR Sensors with Absorption-Focused Nanoparticle Design
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This work presents a novel and comprehensive framework for optimizing fiber optic evanescent wave (FOEW) localized surface plasmon resonance (LSPR) sensors by investigating the unique interaction between evanescent waves and plasmonic nanoparticles. Unlike propagating light, the evanescent wave is a localized, non-propagating field that interacts exclusively with absorbing media near the fiber surface. This characteristic highlights the importance of prioritizing nanoparticle absorption over total extinction in FOEW sensor design. The optical response of silver nanoparticles was modeled across a size range of 10–100 nm, showing that absorption increases with particle number. Among the sizes tested, 30 nm silver nanoparticles exhibited the highest absorption efficiency, which was confirmed experimentally. An analytical adsorption kinetics model based on diffusion transport further predicted that smaller nanoparticles yield higher surface coverage, a result validated through atomic force microscopy (AFM) and scanning electron microscopy (SEM) imaging. Refractive index (RI) sensitivity tests conducted on sensors fabricated with 10 nm, 20 nm, and 30 nm silver nanoparticles revealed that while smaller nanoparticles produced higher initial absorption due to greater surface density, the 30 nm particles ultimately provided superior RI sensitivity due to their enhanced absorption efficiency. These findings underscore the significance of absorption-centered nanoparticle design in maximizing FOEW LSPR sensor performance.
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.
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 découle