产品详情
详情可致电或微信：13392863941
西班牙AWSensors公司AWS Research Platb分子相互作用仪/石英晶体微天平基于QCM-D技术，用于生命科学研究与材料表征。测试系统配置灵活，可结合3种传感器技术，1-4个通道，精确测量石英传感器表面质量和结构变化，提供实时、高灵敏的表面相互作用检测，如吸附和脱附过程、分子相互作用、蛋白质构象变化等。
一、基本属性
品牌：AWSensors
型号：AWS Research Platb
类型：石英晶体微天平
二、特点
（1）QCMD技术，适用于刚性和粘弹性薄膜
（2）操作简单,软件自动寻找基频
（3）同时监控石英传感器频率变化和导纳的频率特征
（4）可对样品控温
（5）测试系统配置灵活，1-4个通道
（6）具有倍频操作模式，可以给出薄膜的粘度，弹性模量，粘性模量，厚度等信息。
（7）测试频率高达5-160MHz，灵敏度可达0.5ng/cm²
三、AWS Research Platb 声学传感器分析仪
AWS Research Platb 测试系统基于声波传感原理，可精确测量石英传感器表面质量和结构变化， 提供实时、高灵敏的表面相互作用检测，如吸脱附过程、分子相互作用、蛋白质构象变化等。 声波传感器基于声波在石英芯片本体和表面传播的性质变化，精确测量芯片表面吸附膜质量和结构变化。当吸脱附反应发生在芯片表面时，表面波的频率和振幅将发生变化。当吸附膜为刚性膜时，频率变化正比于质量变化，根据Sauerbrey方程可计算出吸附膜质量。当吸附膜为柔性膜时，通过测量频率和耗散可获得吸附膜的质量和构象变化以及粘弹性信息。
四、芯片
传感器芯片AWS Research Platb测试系统在倍频下同时监控频率和耗散变化可以给出薄膜的质量，粘度，弹性模量，粘性模量，厚度等信息。结合常规QCM芯片、高频QCM芯片和叉指传感器芯片，可精确检测声波在石英本体与表面的传播变化，提高测试的可靠性。
AWS-HFF sensor高频QCM传感器芯片和常规QCM-AWS芯片相比品质因子更高，芯片更薄。在高频 下操作，可提高2个数量级的测量灵敏度和分辨率。同时芯片面积更小，可节省样品的使用量。专有的支撑框架设计可提高芯片的稳定性和操作的方便性。
LOVE-SAW sensors 叉指传感器芯片由石英压电基片和叉指换能器组成，叉指换能器分别位于基片表 面两端，作为信号输入和信号输出。施加在输入换能器上的交流电会产生声波，声波沿传感器表面从输入端口传播到输出端口。声波的传播局限于基片表面顶部几微米厚的引导层。当吸附在表面薄膜的 质量、构象等特性变化时，声波的特性也随之改变。通过对声波变化的精确检测，实现了对吸附膜特性的精确检测。
五、详细参数
|
传感器分析测试系统 |
|||
|
频率范围 |
5-160MHz |
||
|
频率分辨率 |
0.001Hz |
||
|
频率稳定性 |
±0.05 ppm ，0 - 50°C 范围内 |
||
|
采样速度 |
10-140 样品点每秒 |
||
|
质量灵敏度 |
~0.05ng/cm2 |
||
|
耗散灵敏度 |
~3×10-8 |
||
|
温度范围 |
20-40°C ，软件控制，精确度为 0.01°C ，其它控温范围可选 |
||
|
测试模式 |
高分辨单频模式、高分辨倍频模式和“Tracking”追踪模式 |
||
|
传感器通道数 |
1-4 个 |
||
|
传感器种类 |
QCM-AWS |
LOVE-SAW |
AWS-HFF |
|
传感器频率 |
5MHz/10MHz |
120 MHz |
50/100/150 MHz |
|
传感器上方体积 |
~35μl |
~5.5μl |
~5.5μl |
|
最小样品体积 |
~250μl |
~50μl |
~50μl |
|
样品处理系统 |
|||
|
样品处理通道数 |
1-4 个，可同步控制 |
||
|
每个通道组成 |
1*注射泵(12.5μl-12500μl) 1*高精度超微流速分配阀（四种试剂） 1*电磁驱动微量取样阀(50 – 250 ul) 1*六孔注射阀 |
||
|
控制方式 |
手动或自动 |
||
|
温度范围 |
20-40°C ，软件控制，精确度为 0.01°C ，其它控温范围可选 |
||
|
尺寸 |
77×75×45CM（HWD） |
||
|
重量 |
60Kg（四通道配置） |
||
|
软件分析模型 |
Mass Estimation(Sauerbrey’s Equation) Newtonian Semi-Infinite Medium (Kanazawa’s Equation) Rigid Layer + Newtonian Semi-Infinite Medium (Martin’s Equation) Surface Load Approximation 2 layers(Visco-Elasticity Model) |
||
