Forscher in Kanada und den USA haben ein Computersystem für Workup-Verfahren mit Hilfe von Computer Vision entwickelt. Die Plattform überwacht mehrere visuelle Veränderungen während Prozessen wie Lösungsmittelwechsel-Destillation, Kristallisation, Feststoff-Flüssigkeits-Mischung und Flüssig-Flüssig-Extraktion, um die Echtzeit-Reaktionsfähigkeit von automatisierten Systemen zu verbessern. Die chemische Forschung widmet erhebliche Zeit der Überwachung und Anpassung von Bedingungen bekannter und neuer Reaktionsprozesse, um konsistente Ausbeuten, Reinheiten und Zusammensetzungen der Reaktionsprodukte zu erhalten.
Selbstfahrende Labore, die künstliche Intelligenz mit robotischen Plattformen kombinieren, helfen dabei, solche Prozesse zu beschleunigen und deren Reproduzierbarkeit und Genauigkeit zu verbessern. Die Integration von selbstfahrenden Laboren mit Computer Vision, einer Technik, die digitale Bilder chemischer Reaktionen in Echtzeit erfasst, verarbeitet und analysiert, kann sie weiter verbessern. Jason Hein und sein Forschungsteam von der University of British Columbia haben in Zusammenarbeit mit Pfizer eine Plattform entwickelt, die Computer Vision, maschinelles Lernen, Echtzeitüberwachungstechniken und halbautomatische Laborreaktoren integriert, um Workup-Prozesse zu automatisieren und zu optimieren.
Das neue System, HeinSight 2.0, überwacht physische Ausgaben wie feste Rückstände, Flüssigkeitspegel, Homogenität, Trübung und Farbe. Hein erklärt, dass HeinSight 2.0 kontextbezogener ist und Objekte und Oberflächen erkennt, um ein reaktiveres System zu schaffen. Das System versteht visuelle Informationen, zum Beispiel wenn eine Farbänderung von Rot zu Grün das Ende einer Reaktion signalisiert, und validiert solche Daten, um in Echtzeit zu reagieren. Durch die Veröffentlichung des gesamten Codes als Open Source soll Heinsight 2.0 die Verfügbarkeit zuverlässiger chemischer Workup-Daten erhöhen. Zukünftige Versionen des Systems sollen vergangene Ereignisse mit zukünftigen Vorhersagen verbinden, um die Reaktionsfähigkeit weiter zu verbessern. Die Automatisierung verbessert nicht nur Sicherheit und Reproduzierbarkeit, sondern trägt auch zur Gleichberechtigung und Vielfalt in der Forschung bei.