Team for the Planet

NiCAT

help_outline

"Punkty Team" przyznawane są w zależności od przydatności rozwiązania do rodzaju innowacji, których poszukuje Team for the Planet. Odpowiadają one analizie kilku czynników:

potencjał oddziaływania: średnia ocena oddziaływania> 4 = > 0,5 punktu / jeśli > 4,15 = > 1 punkt.
ogólna spójność: wszystkie średnie wyniki z 6 kryteriów wyboru > 2,5 = > 1 punkt.
faworyt: % ocen, które oceniają innowacyjność jako najważniejszą, aby działać na dużą skalę przeciwko gazom cieplarnianym > 20% = > 1 punkt
targetowanie: walidacja zakresu interwencji Team większego niż 90% = > 0,5 punktu + poziom dojrzałości wystarczającego inno = > 0,5 punktu
akceptacja społeczna: wynik analizy semantycznej komentarzy > 0 = > 0,5 punktu/ jeśli > 3500 = > 1 punkt

26 oceny

Poddane pod ocenę : Po wstępnym przefiltrowaniu w celu sprawdzenia, czy odpowiadają one na jeden z 20 problemów poruszonych przez Team for the Planet i czy mają oczekiwany stopień dojrzałości, innowacje podlegają ocenie.

We use A.I. to increase the material science development speed of EV Cars.

Data przedłożenia 1 sierpnia 2021 Założyciele Engin Karabudak Miejsce rozwoju Turcja

Projekt w szczegółach

Uwaga: ten formularz jest wypełniany w całości przez osoby proponujące innowację.

Jaki problem został rozwiązany?

EV adoption in transportation speed is not enough, we use A.I. development material discovery novelty to increase the speed of EV adoption. So EV adoption speed will increase and there will be no carbon based fuel usage in transportation, because with our A.I. developed materials.

W jaki sposób został rozwiązany?

Next generation battery materials as the key to the transition to battery electric vehicles We work on AI assisted research and development of next generation battery materials. With our expertise in application of machine learning in material science, we are developing low cobalt/high n

Kim są potencjalni klienci?

EV battery manufacturers are our clients. We will provide them cutting edge, A.I. developed battery materials for EV transition.

Czym różni się to rozwiązanie?

Rivals use classical chemistry research, but we are using A.I. assistant material science development. So we are digital reactor farm, A.I. developed materials, so we can speed up EV transition 10 fold.