【摘 要】
:
阵列电化学生物传感器(Electrochemical Biosensor Array,EBA)凭借其选择性高、灵敏度高、分析速度快等优点受到广泛关注。微阵列电极作为换能元件,其对电化学传感器的性能起着关键作用,所以构建高性能电极材料成为当前研究热点。本文提出了一种将数字微镜器件(DMD)无掩膜多步光刻与电化学沉积相结合的技术,利用光刻系统压电平台(PZS)运动的高分辨率运动和DMD生成图案的灵活性
论文部分内容阅读
阵列电化学生物传感器(Electrochemical Biosensor Array,EBA)凭借其选择性高、灵敏度高、分析速度快等优点受到广泛关注。微阵列电极作为换能元件,其对电化学传感器的性能起着关键作用,所以构建高性能电极材料成为当前研究热点。本文提出了一种将数字微镜器件(DMD)无掩膜多步光刻与电化学沉积相结合的技术,利用光刻系统压电平台(PZS)运动的高分辨率运动和DMD生成图案的灵活性等优点,制备了用户可自定义的微阵列结构,然后结合电化学沉积获得金导电层,实现均匀的金微阵列电极(MAE)的制备。具体研究内容分为以下几个部分:(1)通过设计调控掩膜版的单元结构表面积和形状,制备了各种单元结构表面积和形状的微结构。将紫外正性光刻胶作为感光介质,采用DMD多步光刻技术,在涂有均匀厚度光刻胶的氧化铟锡(ITO)导电玻璃上,制备了方形、圆形、六边形以及三角形规则排列的周期性微阵列结构模板。按照相同的加工方式,制备了椭圆、六边形和五角星随机排列的非周期性微结构模板。(2)利用电化学沉积技术在制备好的模板上沉积金,制备了相应的金微结构电极。对其微观结构进行表征,证明了金微结构电极的成功制备。通过电化学测试,研究各金微结构电极的周期、单元结构表面积、形状等不同参数对氧化还原电流的影响。研究发现,在总表面积相同的情况下,相同形状的金微阵列随着单元结构表面积的增大,电化学信号出现先增大后减小的趋势,在表面积为1.7×10-5cm2时氧化还原峰最大。相同单元结构表面积的金微结构电极表现出相同的电化学信号,与形状、周期等参数无关。(3)利用上述经实验探究得到的最佳微结构电极,通过相关电化学测试对其性能进行进一步研究。实验结果表明,制备的电极具有抗干扰能力强、稳定性好等优异的电化学特性,为生物传感阵列的制备提供了切实可行的操作方案。(4)通过DMD多步光刻技术得到均匀有序的微阵列结构,再利用此阵列作为模板结合电化学沉积技术获得性能良好的金阵列SERS衬底。通过调节反应过程中的沉积时间,灵活调控金纳米粒子的形核和长大过程,从而实现对金纳米粒子的形貌的控制。实验结果表明,在电解时间为15 min时拉曼信号最佳,此时,枝晶繁多且密集,在一定程度上有效增大了表面积和粗糙度,因此产生了大量的“热点”,表明了DMD无掩膜多步光刻与电化学沉积相结合的技术可以有望应用于制备SERS衬底。上述方法均在室温下即可完成,所制备的样品性能良好、重复率高,具有广泛的应用前景。
其他文献
物联网(Internet of things,IoT)的应用开发前景越发广阔,大量的智能环境可以连接到脑机接口(Brain Computer Interface,BCI)系统上。BCI系统是一种连接人类大脑与外部设备的实时通信系统,直接将大脑产生的信息转换成驱动外部设备的命令,取代人体或言语器官与外部世界进行通信。简而言之,BCI系统可以代替人体大脑周围神经和肌肉组织,实现人与外界环境的沟通。BC
本文研究内容是多维背包问题,多维背包问题的目标是在满足所有维度下的限制条件找出被选择的物品总价值最大的组合,它是NP难的组合优化问题,在计算上具有挑战性并且在生活中应用广泛,多维背包问题广泛存在于货物装载、削减库存、项目选择、资金预算、解决处理器和数据库在分布式计算机系统上的分配问题等方面。因此,求解多维背包问题具有重要的理论指导意义和实际应用价值。本文提出随机采样预处理的方法来求解多维背包问题,
在实际生活和工程实践中,多个待优化目标经常同时出现,大量此类问题采用进化算法来求解,因此多目标进化算法的研究有着重要的理论意义和实践意义,也成为了近些年研究的热点。然而在解决具有较小或非连续可行域的问题中,大多数算法由于不可行域的阻碍无法收敛到Pareto前沿。同时,固定的变异参数使得优秀解和劣质解具有相同的变异概率,无法满足算法在进化过程中对保存优秀解,尽可能地改善劣质解以提高算法收敛性与多样性
卷积神经网络已被广泛应用于自然语言处理领域。句子情感分类是自然语言处理领域中最常见的任务之一。国内外学者在句子情感分类任务中,利用深度学习神经网络进行了大量的实验,证明其能够更有效地获取文本数据中的上下文信息。目前,应用于处理句子情感分类任务的神经网络模型通常包括卷积神经网络、递归神经网络和循环神经网络。随着深度学习的发展,神经网络与注意力结合的架构方式为句子情感分类任务的发展带来了重大的突破,预
光学字符识别(Optical Character Recognition,OCR)作为计算机视觉领域中的重要分支,在自然场景与特定场景中都具有广泛的应用空间与研究价值。传统的字符识别方法在对于文档等简单背景的字符识别任务中已经取得了较大的成功,但对于较为复杂的特定场景中的符识别难免捉襟见肘。近年来随着卷积神经网络研究的不断深入,因其能轻易地提取数据间深层的特征关系,极大地提高了对于图像数据的处理效
语言作为人际交流的必要途径,除了具有传递信息的功能之外,还有表达情绪的动能。同样的话语在不同的情感背景下往往表达不同的意义,全球语言皆是如此。因此语音情感识别具有重要的研究价值。在人工智能情感计算领域,语音信号是最基本、最重要的模态之一。国内外众多学者针对语音情感的研究大多分为语音信号直接处理识别以及转换为谱图进行处理识别。而且语音情感识别任务,可以引申出的多个应用领域,比如:智能助老机器人,办公
深度学习近年来被广泛应用在字符识别、图像识别、语音识别及其他领域中,而且都取得了显著的成效。而卷积神经网络作为深度学习里重要的一个算法,因其良好的特征表现能力而备受关注。字符识别因实际需求,也变得越来越热门,更多的人开始进行字符识别方法的研究,如车牌字符识别、芯片字符识别、身份证号字符识别、自然场景文本识别等。货运列车作为我国运输业中经常使用的运输方式,其自动化管理必将越来越受到重视。而货运列车字
随着智能移动终端的普及,移动终端学习的互动学习体验更加便利,智能移动终端与教育教学的有机结合逐渐成为新时代的主流学习方式。移动终端学习环境打破了传统课堂的界限,学习者可以不受时间地点的限制合理使用移动终端进行学习,解决了课前课后一体化问题。由于2020年新冠肺炎疫情的严重影响,导致大量学习者不能进行正常线下课程,所以通过移动终端进行线上学习变得越来越重要。通过移动终端进行学习广泛应用于学习者的日常
近年来,随着计算能力的快速提升,数值模拟在科学研究与工程设计中发挥着越来越重要的作用,但是由于在数值模拟中不可避免的有近似、简化和人为因素,因此数值模拟结果的可信度成为人们越来越关心的问题。不确定性度量化(Uncertainty Quantification,UQ)是近年来计算数学新兴的研究方向,其作用是定量表征模拟结果反映复杂过程的程度。由于很多问题数值模拟计算量大耗时长,难以开展大样本的计算,
医生在诊断过程中往往需要医学图像的辅助,准确的医学分割图像对医生诊断病情、制定一些疾病的治疗方案具有重要意义。核磁共振成像是目前应用最为广泛的脑部成像手段之一,但其特殊的传输方式会导致图像受到混合噪声的干扰,且由于图像自身对比度低,内部组织形状不定,分离病灶部位与正常组织变得更加困难。为了设计一种满足临床医学实际需求的MRI脑部图像自动分割算法,本文利用哈佛大学医学院图像库中的MRI图像,从去噪和