- Nome dello spin-off – PREDICO s.r.l.
- Tipologia – Spin-off Accademico e Start-up Innovativa
- Data di costituzione – Settembre 2023
- Sede legale – Via Filippo Turati 13, San Giorgio a Cremano (NA)
- Dipartimento di riferimento – Dipartimento di Matematica e Applicazioni “R. Caccioppoli”
- Referenti accademici coinvolti – Prof. Francesco Piccialli, Prof. Salvatore Cuomo
- Brevetti o know-how coinvolti – Non vi sono brevetti.
- Attività principale dello spin-off – Progettazione e sviluppo di algoritmi e metodologie avanzate di Intelligenza Artificiale (AI) in contesti complessi e ad alto impatto.
- Sito web e contatti – https://www.predico.eu – info@predico.ei
- Eventuali finanziamenti ricevuti – non divulgabile
L’obiettivo principale dello spin-off è quello di modellare e sviluppare un insieme di prodotti e servizi intelligenti di data analytics predittiva che poggiano le fondamenta su un framework di intelligenza artificiale basato su algoritmi di deep learning (apprendimento profondo) al fine di estrarre nuova conoscenza ed informazioni utili dai dati raccolti in contesti reali.
- Nome dello spin-off – D3C (Data Driven Digital Chemistry)
- Tipologia – Spin-off Accademico e Start-up Innovativa
- Data di costituzione – 01/08/2025
- Sede legale – via Rodolfo Morandi, 12 – 80124, NAPOLI (NA)
- Dipartimento di riferimento – Dipartimento di Matematica e Applicazioni “R. Caccioppoli”
- Referenti accademici coinvolti – Prof. Francesco Calabrò, Prof. Giuseppe Izzo, Prof. Vincenzo Busico, Prof.ssa Roberta Cipullo.
- Brevetti o know-how coinvolti – Non vi sono brevetti.
- Attività principale dello spin-off – Fornire servizi personalizzati di data digitalization, data mining automatizzato, Design of Experiment (DoE) avanzato e modellazione statistica di dati con algoritmi di ML/DL.
- Sito web e contatti – https://www.d3c.ltd/, email: info@d3c.ltd
- Eventuali finanziamenti ricevuti – non divulgabile
L’obiettivo principale dello spin-off è quello di fornire, a committenti industriali, servizi personalizzati di data digitalization, data mining automatizzato, Design of Experiment (DoE) avanzato e modellazione statistica di dati con algoritmi di ML/DL. Ambito preferenziale –ma non esclusivo– di applicazione saranno dati di High Throughput Experimentation (HTE) in catalisi organometallica.
Brevetti
BREVETTO PREDICTS
- Titolo del brevetto – PREDICTS – Sistema di Predizione
- Numero di brevetto – 202024000002101
- Data di deposito e data di concessione – 15/07/2021 – 22/08/2024
- Inventori – Prof. Francesco Piccialli, Prof. Salvatore Cuomo
- Titolare del brevetto – Università degli Studi di Napoli Federico II.
- Breve descrizione – Sistema di Predizione per Time-Series multivariate AI-based.
- Stato del brevetto – Concesso
- Riferimento alla pubblicazione ufficiale – non presente