Jason Hein recebeu seu B.Sc. em Bioquímica e Ph.D. em metodologia de reação assimétrica pela Universidade de Manitoba (NSERC PGS-A/B, Prof. Philip G. Hultin). Ele então se tornou um pesquisador de pós-doutorado do NSERC com o Prof. K. Barry Sharpless e o Prof. Valery V. Fokin no Scripps Research Institute em La Jolla, CA. Em 2010, tornou-se pesquisador associado sênior da Prof. Donna G. Blackmond no Scripps Research Institute. Ele começou sua carreira independente na Universidade da Califórnia, Merced, empregando a análise de reação cinética in-situ como um meio de traçar rapidamente o perfil e estudar redes complexas de reações. Em 2015, ele se mudou para a Universidade da Colúmbia Britânica para continuar o desenvolvimento da tecnologia analítica de reação automatizada para atender à química orgânica mecanicista. Os estudos atuais visam resolver um conjunto diversificado de problemas, incluindo a compreensão dos mecanismos de reação catalítica, a construção de processos químicos robustos para fabricação e o desenvolvimento de tecnologias de cristalização preferencial acopladas para purificação química. Esses estudos são possibilitados por uma coleção de protótipos de ferramentas robóticas modulares e hardware analítico integrado que criam o primeiro kit de ferramentas de perfil de reação automatizada amplamente aplicável.
Incorporando a visão computacional em fluxos de trabalho de cristalização
Esta apresentação discute o uso do HeinSight (um pacote de visão modular) para apoiar a implantação da automação inteligente na descoberta de produtos químicos.
Os químicos gastam uma quantidade excessiva de tempo realizando tarefas de baixo nível com base na observação visual. Para sequências de fluxo de trabalho orgânicas sintéticas relativamente rotineiras, a automação é benéfica. No entanto, todo o potencial dos processos automatizados integrados provou ser um desafio devido ao ambiente dinâmico e em constante evolução de um laboratório de pesquisa química.
Em muitos casos, adicionar algoritmos de visão simples para controlar e monitorar a maioria dos processos em um laboratório sintético padrão pode liberar o potencial dos fluxos de trabalho automatizados e permitir que eles sejam implantados de forma rápida e eficiente para substituir tarefas demoradas e trabalhosas. Além disso, a visão computacional pode desempenhar um papel ainda mais impactante quando combinada com a robótica avançada. Os algoritmos de análise de imagem agora podem transformar câmeras digitais simples em poderosas ferramentas analíticas para uso em laboratório.
Junte-se às centenas de pesquisadores que já assistiram a esta apresentação.
