Jason Hein erhielt seinen B.Sc. in Biochemie und seinen Ph.D. in asymmetrischer Reaktionsmethodik von der University of Manitoba (NSERC PGS-A/B, Prof. Philip G. Hultin). Anschließend wurde er NSERC Postdoc-Forschungsstipendiat bei Prof. K. Barry Sharpless und Prof. Valery V. Fokin am Scripps Research Institute in La Jolla, CA. Im Jahr 2010 wurde er Senior Research Associate bei Prof. Donna G. Blackmond am Scripps Research Institute. Er begann seine unabhängige Karriere an der University of California, Merced, wo er die kinetische In-situ-Reaktionsanalyse als Mittel zur schnellen Profilierung und Untersuchung komplexer Reaktionsnetzwerke einsetzte. Im Jahr 2015 wechselte er an die University of British Columbia, um die Entwicklung von automatisierten reaktionsanalytischen Technologien für die mechanistische organische Chemie fortzusetzen. Aktuelle Studien zielen auf die Lösung einer Reihe von Problemen ab, darunter das Verständnis katalytischer Reaktionsmechanismen, der Aufbau robuster chemischer Prozesse für die Herstellung und die Entwicklung gekoppelter bevorzugter Kristallisationstechnologien für die chemische Reinigung. Diese Studien werden durch eine Sammlung von Prototypen modularer Roboter-Tools und integrierter Analyse-Hardware ermöglicht, die das erste breit anwendbare, automatisierte Toolkit zur Erstellung von Reaktionsprofilen bilden.
Einbindung von Computer Vision in Arbeitsabläufe der Kristallisation
In dieser Präsentation wird die Verwendung von HeinSight (ein modulares Bildverarbeitungspaket) zur Unterstützung der intelligenten Automatisierung in der chemischen Forschung erörtert.
Chemiker verbringen übermäßig viel Zeit mit einfachen Aufgaben, die auf visueller Beobachtung beruhen. Für relativ routinemäßige synthetisch-organische Arbeitsabläufe ist die Automatisierung von Vorteil. Das volle Potenzial integrierter automatisierter Prozesse zu nutzen, hat sich jedoch aufgrund der dynamischen und sich ständig weiterentwickelnden Umgebung eines chemischen Forschungslabors als schwierig erwiesen.
In vielen Fällen kann das Hinzufügen einfacher Bildverarbeitungsalgorithmen zur Steuerung und Überwachung der meisten Prozesse in einem Standard-Syntheselabor das Potenzial automatisierter Arbeitsabläufe freisetzen und es ermöglichen, dass diese schnell und effizient eingesetzt werden, um zeit- und arbeitsintensive Aufgaben zu ersetzen. Darüber hinaus kann die Computervision eine noch wirkungsvollere Rolle spielen, wenn sie mit fortschrittlicher Robotik kombiniert wird. Bildanalysealgorithmen können nun einfache Digitalkameras in leistungsstarke Analysewerkzeuge für den Laboreinsatz verwandeln.
Schließen Sie sich den Hunderten von Forschern an, die sich diese Präsentation bereits angesehen haben.
