Team for the Planet

NiCAT

help_outline

I 'punti Team' vengono assegnati in base all'idoneità della soluzione per il tipo di innovazioni ricercate da Team for the Planet. Corrispondono all'analisi di diversi fattori :

Potenziale di impatto: punteggio medio di impatto > 4 => 0,5 punti / se > 4,15 => 1 punto.
coerenza globale: tutti i punteggi medi dei 6 criteri di selezione > 2,5 => 1 punto.
il favorito: % delle valutazioni che considerano l'innovazione come la migliore per agire su larga scala contro i gas serra > 20% => 1 punto
Obiettivo: convalida dell'ambito di intervento di Team > 90% => 0,5 punti + livello sufficiente di maturità dell'inno => 0,5 punti
accettazione sociale: punteggio di analisi semantica dei commenti > 0 => 0,5 punto/ se > 3500 => 1 punto

26 valutazioni

Soggetto a valutazione : Dopo essere stati pre-selezionati per assicurarsi che soddisfino uno dei 20 problematiche presentate da Team for the Planet e che abbiano il grado di maturità previsto, le innovazioni sono presentate per la valutazione.

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

Data di presentazione 01 agosto 2021 Fondatori Engin Karabudak Luogo di sviluppo Turchia

Il progetto in dettaglio

NB: questo modulo deve essere compilato completamente dalle persone che propongono l'innovazione.

Qual è il problema risolto?

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.

Come si risolve?

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

Chi sono i potenziali clienti?

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

In che modo questa soluzione è diversa?

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.