自适应相关性：如何通过更少的时间和精力获取更好的DLS数据
在本网络研讨会中，我们介绍了一种名为自适应相关性的新DLS数据捕获过程，该过程解决了问题，以提供更完整和准确的样本表征。
虽然能够测量低于1nm尺寸的粒子，但由于粒径和散射强度之间的yabo214第6个电力关系，DLS优先对较大的颗粒敏感。这意味着样品制备通常需要是一丝意的，特别是对于低散射样品，例如蛋白质和生物分子。通过过滤可以减轻对粉尘和聚集体等污染物的贡献，但这可能并不总是实用的，并且构成了金融负担，无论是在额外的样品准备时间和耗材成本方面。
演讲者
亚历克斯博士白垩土
自2015年以来加入Malvern南大略以来，亚历克斯在纳米材亚博网站下载料R + D队伍中工作。作为新Zetasizer Pro和Ultra的开发团队的一部分，alex开发了新的算法，并支持了电子和光学系统的开发，现在also acts as an Intellectual Property Officer, helping to manage Malvern Panalytical’s patent portfolio. He has an MPhys from the University of Manchester, where he also completed a Doctorate in Enterprise supported by Malvern, where he developed light scattering techniques to characterize the structure and rheology of colloidal and polymer solutions.
更多的信息
- 谁该参加？
现有的Zetasizer和竞争对手用户想要了解自适应相关的好处。
- 为什么参加?
要了解自适应相关性可以提供传统相关批准的好处。
- 你会学到什么?
自适应相关性如何运作以及它可以提供的益处，例如更快的测量，更可靠的数据和更少的样品制备。