Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Stereotype Content Model02:16

Stereotype Content Model

The Stereotype Content Model (SCM) was first proposed by Susan Fiske and her colleagues (Fiske, Cuddy, Glick & Xu, 2002; see also Fiske, 2012 and Fiske, 2017). The SCM specifies that when someone encounters a new group, they will stereotype them based on two metrics: warmth—or that group’s perceived intent, and how likely they are to provide help or inflict harm—and competence—or their ability to carry out that objective. Depending on the warmth-competence categorization, a person will feel...
Non-equilibrium in the Cell01:16

Non-equilibrium in the Cell

An important concept in studying metabolism and energy is that of chemical equilibrium. Most chemical reactions are reversible. They can proceed in both directions, releasing energy into their environment in one direction, and absorbing it from the environment in the other direction. The same is true for the chemical reactions involved in cell metabolism, such as the breaking down and building up of proteins into and from individual amino acids, respectively. Reactants within a closed system...
Automatic Processing and Automatic Social Behavior01:28

Automatic Processing and Automatic Social Behavior

Automatic processing refers to the cognitive operations that occur without conscious intent or awareness, playing a fundamental role in shaping social cognition and behavior. These processes enable individuals to navigate complex social environments efficiently by relying on mental shortcuts and pre-existing knowledge structures known as schemas. One of the most influential mechanisms underlying automatic processing is priming, which subtly activates mental representations through exposure to...

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Virtual Reality for Pain Management During Repeated Pediatric Laser Procedures: Protocol for a Pilot Randomized Clinical Trial.

JMIR research protocols·2026
Same author

Dual pandemic of firearm injury and COVID-19 in Central and Southeastern Ohio: An interrupted time series analysis.

PloS one·2026
Same author

Does Radiation Boost Dose Affect Organ Preservation Rates? A Secondary Analysis of the Organ Preservation in Patients With Rectal Adenocarcinoma Trial.

International journal of radiation oncology, biology, physics·2026
Same author

Digitization of Historical Data from Somalia's Last Smallpox Outbreaks 1976-1977.

Scientific data·2026
Same author

Doula Care and Health Outcomes: A Systematic Review.

JAMA network open·2026
Same author

Peripheral Nerve Stimulation for the Management of Chronic Pain Syndrome: A Case Study of Complex Regional Pain Syndrome Posttrauma and After Surgery in the Leg.

Pain medicine case reports·2026
Same journal

Direct impure water electrolysis at industrial scale.

Chemical Society reviews·2026
Same journal

Catalytic valorization of polyolefins: from catalysts and processes to reactors.

Chemical Society reviews·2026
Same journal

Designing stable π-radicals.

Chemical Society reviews·2026
Same journal

Antibacterial drug discovery: challenges and preclinical promises from synthetic small molecules.

Chemical Society reviews·2026
Same journal

Selective carbon-carbon bond cleavage involving alkene moieties.

Chemical Society reviews·2026
Same journal

Circularly polarized luminescence: an easy path from molecules to supramolecular systems and beyond.

Chemical Society reviews·2026
Ver todos los artículos relacionados

Video Experimental Relacionado

Updated: Jun 20, 2026

Surface Enhanced Raman Spectroscopy Detection of Biomolecules Using EBL Fabricated Nanostructured Substrates
11:44

Surface Enhanced Raman Spectroscopy Detection of Biomolecules Using EBL Fabricated Nanostructured Substrates

Published on: March 20, 2015

21.4K

Inteligencia artificial y aprendizaje automático para detección plasmónica y de superficie mejorada

Ailsa Geddis1, Hannah Williams1, Saba Bashir1

  • 1Département de Chimie, Institut Courtois, Centre Interdisciplinaire de Recherche sur le Cerveau et L'apprentissage, Quebec Center for Advanced Materials, Regroupement Québécois sur les Matériaux de Pointe, Université de Montréal, C.P. 6128 Succ. Centre-ville, Montréal, Québec, H3C 3J7, Canada. jf.masson@umontreal.ca.

Chemical Society reviews
|February 25, 2026
PubMed
Resumen
Este resumen es generado por máquina.

La inteligencia artificial y el aprendizaje automático mejoran la detección plasmónica. Estas herramientas mejoran el diseño de sensores, el análisis de datos y las aplicaciones en los campos biomédico y ambiental.

Palabras clave:
Inteligencia artificialAprendizaje automáticoDetección plasmónicaSensoresNanomaterialesÓptica y fotónicaCiencia de materialesQuímica analítica

Más Videos Relacionados

Measurement of Scattering Nonlinearities from a Single Plasmonic Nanoparticle
15:06

Measurement of Scattering Nonlinearities from a Single Plasmonic Nanoparticle

Published on: January 3, 2016

13.5K
Author Spotlight: Single-Molecule Surface-Enhanced Raman Scattering Measurements Enabled by Plasmonic DNA Origami Nanoantennas
10:43

Author Spotlight: Single-Molecule Surface-Enhanced Raman Scattering Measurements Enabled by Plasmonic DNA Origami Nanoantennas

Published on: July 21, 2023

4.2K

Videos de Experimentos Relacionados

Last Updated: Jun 20, 2026

Surface Enhanced Raman Spectroscopy Detection of Biomolecules Using EBL Fabricated Nanostructured Substrates
11:44

Surface Enhanced Raman Spectroscopy Detection of Biomolecules Using EBL Fabricated Nanostructured Substrates

Published on: March 20, 2015

21.4K
Measurement of Scattering Nonlinearities from a Single Plasmonic Nanoparticle
15:06

Measurement of Scattering Nonlinearities from a Single Plasmonic Nanoparticle

Published on: January 3, 2016

13.5K
Author Spotlight: Single-Molecule Surface-Enhanced Raman Scattering Measurements Enabled by Plasmonic DNA Origami Nanoantennas
10:43

Author Spotlight: Single-Molecule Surface-Enhanced Raman Scattering Measurements Enabled by Plasmonic DNA Origami Nanoantennas

Published on: July 21, 2023

4.2K

Área de la Ciencia:

  • Óptica y fotónica
  • Ciencia de materiales
  • Química analítica

Sus antecedentes:

  • La detección plasmónica utiliza plasmones de superficie en nanomateriales para una detección sensible.
  • Las técnicas incluyen la dispersión Raman mejorada en superficie (SERS), la fluorescencia mejorada por metales (MEF) y la resonancia de plasmones de superficie (SPR).
  • Las aplicaciones abarcan los sectores biomédico, ambiental y de seguridad alimentaria.

Objetivo del estudio:

  • Revisar la integración de la inteligencia artificial (IA) y el aprendizaje automático (ML) en la detección plasmónica.
  • Explorar el papel de la IA/ML en el avance del diseño de sensores, la caracterización de materiales y el análisis de datos.
  • Destacar las aplicaciones que se benefician de la mejora de la IA/ML en la detección plasmónica.

Principales métodos:

  • Revisión de la literatura existente sobre los principios de la detección plasmónica.
  • Exploración de metodologías de IA/ML aplicables al desarrollo de sensores y la interpretación de datos.
  • Estudios de caso que ilustran el impacto de la IA/ML en el rendimiento de la detección plasmónica.

Principales resultados:

  • Las herramientas de IA/ML ofrecen un potencial significativo para optimizar el diseño y la síntesis de sensores plasmónicos.
  • El aprendizaje automático mejora el procesamiento de señales y el análisis de imágenes para una mayor sensibilidad y selectividad.
  • La integración de IA/ML conduce a sistemas de detección plasmónica más robustos y precisos.

Conclusiones:

  • La integración de IA/ML es una tendencia clave que está preparada para revolucionar la detección plasmónica.
  • Las direcciones futuras implican una mayor sinergia entre la IA/ML y los nanomateriales plasmónicos para herramientas analíticas avanzadas.
  • Esta sinergia promete capacidades mejoradas para diversas aplicaciones del mundo real.