Plasmonic Film with Diluted Nanostructures for Light Energy Harvesting and Sensing
Notice bibliographique
Résumé
Harvesting the electromagnetic light field in spatially dispersed nanostructures and focusing the sensing events at those locations enables a gain of several orders of magnitude in sensitivity. It significantly reduces the amount of target material needed to produce a measurable signal. This paper establishes that, contrary to common belief, at very low target concentrations, increasing the periodicity of a nanoparticle array instead of diminishing it significantly lowers the limit of detection (LOD) of such structured plasmonic sensors. We demonstrate this numerically on a thin gold film covered by an array of 50 nm diameter nanocylinders with periodicity ranging from 400 to 3000 nm. We found a minimal capture target volume per surface unit of a few tens of nm 3 /μm 2, which is an improvement of orders of magnitude from about 10 4 nm 3 /μm 2 necessary for obtaining the same minimal signal using a conventional propagative-based plasmon sensor, or about 10 3 nm 3 /μm 2 for a similar plasmonic biochip structure but with a typical 200–400 nm periodicity array range. Two key mechanisms are involved in achieving such a significant breakthrough. First, energy harvesting is enhanced by incorporating the underlying thin film, which enables the coupling of electromagnetic field energy into the localized plasmon mode of the nanoparticles. This harvesting coupling effect is shown to be limited by the film’s plasmon propagation attenuation length and, consequently, its appropriate thickness. Second, target binding events must be precisely positioned in areas of enhanced optical field intensity.
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 ».