High-Throughput Fabrication of Microscale Gold Nanoparticle Superstructures with Tunable Plasmonic Coupling for Ultrasensitive SERS Detection
Notice bibliographique
Résumé
Noble metal nanostructures are attractive substrates for surface-enhanced Raman scattering (SERS) but face persistent challenges in combining efficient hot-spot engineering with scalable fabrication. This paper presents a high-throughput, hot-spot-designable approach for assembling gold nanoparticles (AuNPs) onto micrometer-scale, two-dimensional polymer single-crystal templates, producing ∼10 8 uniform AuNP assemblies per milliliter. The assemblies, with planar micrometer-scale dimensions, are fully compatible with commercial confocal Raman systems. AuNP shape (spherical or anisotropic) is controlled through chemical reduction kinetics. Systematic SERS measurements reveal that precisely assembled spherical AuNPs with sub-2 nm gaps generate strong local electromagnetic field enhancement, yielding an analytical enhancement factor (AEF) of 1.43 × 10 6 . Compared with a commercial macroscopic SERS substrate of monolayer AuNPs, the proposed substrate delivers a 28-fold higher signal intensity while requiring 98% less AuNP surface coverage. Its applicability is demonstrated by the detection of biomolecules in sweat and malondialdehyde. This method provides a scalable route for high-throughput molecular sensing in real-world applications.
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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».