Tuning Surface-Enhanced Raman Scattering (SERS) via Filling Fraction and Period in Gold-Coated Bullseye Gratings
Notice bibliographique
Résumé
Surface-enhanced Raman scattering (SERS) is a highly sensitive analytical technique capable of single-molecule detection, yet its performance strongly depends on the underlying plasmonic architecture. In this study, we developed a robust SERS platform based on long-range-ordered bullseye plasmonic nano-gratings with tunable period and filling fraction, fabricated via electron beam lithography and reactive ion etching and uniformly coated with a thin gold film. These concentric nanostructures support efficient surface plasmon resonance and radial SPP focusing, enabling intense electromagnetic field enhancement across the substrate. Using this platform, we achieved quantitative detection of Rhodamine 6G with enhancement factors of 105. Notably, our results reveal a previously unrecognized mechanistic insight: the geometric configuration producing the strongest local electric fields does not yield the highest SERS enhancement, due to misalignment between the dominant field orientation and the molecular polarizability tensor. This finding explains the non-monotonic dependence of SERS performance on grating geometry and introduces a new design principle in which both field strength and field-molecule alignment must be co-optimized. Overall, this work provides a mechanistic framework for rationally engineering plasmonic substrates for sensitive and quantitative molecular detection.
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 | 0,001 | 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 ».