產品詳情
詳情可致電或微信：13392863941 
西班牙AWSensors公司AWS Research Platb分子相互作用儀/石英晶體微天平基于QCM-D技術，用于生命科學研究與材料表征。測試系統配置靈活，可結合3種傳感器技術，1-4個通道，精確測量石英傳感器表面質量和結構變化，提供實時、高靈敏的表面相互作用檢測，如吸附和脫附過程、分子相互作用、蛋白質構象變化等。
一、基本屬性
品牌：AWSensors
型號：AWS Research Platb
類型：石英晶體微天平
二、特點
（1）QCMD技術，適用于剛性和粘彈性薄膜
（2）操作簡單,軟件自動尋找基頻
（3）同時監控石英傳感器頻率變化和導納的頻率特征
（4）可對樣品控溫
（5）測試系統配置靈活，1-4個通道
（6）具有倍頻操作模式，可以給出薄膜的粘度，彈性模量，粘性模量，厚度等信息。
（7）測試頻率高達5-160MHz，靈敏度可達0.5ng/cm2
三、AWS Research Platb 聲學傳感器分析儀
AWS Research Platb 測試系統基于聲波傳感原理，可精確測量石英傳感器表面質量和結構變化， 提供實時、高靈敏的表面相互作用檢測，如吸脫附過程、分子相互作用、蛋白質構象變化等。 聲波傳感器基于聲波在石英芯片本體和表面傳播的性質變化，精確測量芯片表面吸附膜質量和結構變化。當吸脫附反應發生在芯片表面時，表面波的頻率和振幅將發生變化。當吸附膜為剛性膜時，頻率變化正比于質量變化，根據Sauerbrey方程可計算出吸附膜質量。當吸附膜為柔性膜時，通過測量頻率和耗散可獲得吸附膜的質量和構象變化以及粘彈性信息。
四、芯片
傳感器芯片AWS Research Platb測試系統在倍頻下同時監控頻率和耗散變化可以給出薄膜的質量，粘度，彈性模量，粘性模量，厚度等信息。結合常規QCM芯片、高頻QCM芯片和叉指傳感器芯片，可精確檢測聲波在石英本體與表面的傳播變化，提高測試的可靠性。
AWS-HFF sensor高頻QCM傳感器芯片和常規QCM-AWS芯片相比品質因子更高，芯片更薄。在高頻 下操作，可提高2個數量級的測量靈敏度和分辨率。同時芯片面積更小，可節省樣品的使用量。專有的支撐框架設計可提高芯片的穩定性和操作的方便性。
LOVE-SAW sensors 叉指傳感器芯片由石英壓電基片和叉指換能器組成，叉指換能器分別位于基片表 面兩端，作為信號輸入和信號輸出。施加在輸入換能器上的交流電會產生聲波，聲波沿傳感器表面從輸入端口傳播到輸出端口。聲波的傳播局限于基片表面頂部幾微米厚的引導層。當吸附在表面薄膜的 質量、構象等特性變化時，聲波的特性也隨之改變。通過對聲波變化的精確檢測，實現了對吸附膜特性的精確檢測。
五、詳細參數
|
傳感器分析測試系統 |
|||
|
頻率范圍 |
5-160MHz |
||
|
頻率分辨率 |
0.001Hz |
||
|
頻率穩定性 |
±0.05 ppm ，0 - 50°C 范圍內 |
||
|
采樣速度 |
10-140 樣品點每秒 |
||
|
質量靈敏度 |
~0.05ng/cm2 |
||
|
耗散靈敏度 |
~3×10-8 |
||
|
溫度范圍 |
20-40°C ，軟件控制，精確度為 0.01°C ，其它控溫范圍可選 |
||
|
測試模式 |
高分辨單頻模式、高分辨倍頻模式和“Tracking”追蹤模式 |
||
|
傳感器通道數 |
1-4 個 |
||
|
傳感器種類 |
QCM-AWS |
LOVE-SAW |
AWS-HFF |
|
傳感器頻率 |
5MHz/10MHz |
120 MHz |
50/100/150 MHz |
|
傳感器上方體積 |
~35μl |
~5.5μl |
~5.5μl |
|
最小樣品體積 |
~250μl |
~50μl |
~50μl |
|
樣品處理系統 |
|||
|
樣品處理通道數 |
1-4 個，可同步控制 |
||
|
每個通道組成 |
1*注射泵(12.5μl-12500μl) 1*高精度超微流速分配閥（四種試劑） 1*電磁驅動微量取樣閥(50 – 250 ul) 1*六孔注射閥 |
||
|
控制方式 |
手動或自動 |
||
|
溫度范圍 |
20-40°C ，軟件控制，精確度為 0.01°C ，其它控溫范圍可選 |
||
|
尺寸 |
77×75×45CM（HWD） |
||
|
重量 |
60Kg（四通道配置） |
||
|
軟件分析模型 |
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) |
||
