Jacopo Massa, PhD

Assegnista di ricerca Dipartimento di Informatica, Università di Pisa

Ciao! 👋🏼 Sono un assegnista di ricerca in Informatica presso l'Università di Pisa, nell'ambito del progetto europeo NOUS. La mia ricerca riguarda principalmente approcci dichiarativi per la gestione di applicazioni multi-servizio e reti, con particolare attenzione ai dati e alla simulazione-emulazione del Cloud-Edge continuum.

A questo scopo, sono uno degli autori e manutentori principali di ECLYPSE, un framework Python per la simulazione e l'emulazione di ambienti Cloud-Edge. Partecipo attivamente alla comunità accademica come membro di comitati di programma e revisore per varie conferenze e riviste internazionali.

Esperienza

Assegno di ricerca

Università di Pisa • Pisa, Italia

09/2024 - ora

Dottorando con borsa

Università di Pisa • Pisa, Italia

11/2021 - 09/2024

Titoli di studio

Dottorato di ricerca in Informatica

Università di Pisa / CNR-ISTI

Tesi

11/2021 - 11/2025

La tesi propone metodologie dichiarative per la gestione di applicazioni e reti nel Cloud-Edge continuum, concentrandosi sul piazzamento data-aware e sulle reti basate su intenti. Il lavoro introduce modelli e prototipi per il dispiegamento automatico e context-aware di servizi distribuiti, basato sulle proprietà dei dati e sulla dinamicità dell'infrastruttura sottostante. Propone inoltre nuovi approcci alla modellazione, traduzione e risoluzione dei conflitti tra intenti, per supportare l'orchestrazione scalabile delle configurazioni applicative e di rete. Le soluzioni sono validate mediante simulazione, emulazione e casi di studio reali.

Laurea Magistrale in Informatica

Università di Pisa

Tesi

10/2019 - 10/2021

La tesi propone una modellazione dichiarativa di infrastrutture Cloud-IoT e applicazioni multi-servizio che rappresenta separatamente servizi di calcolo e dati. Mediante ragionamento logico formale, la metodologia determina i piazzamenti ammissibili dei servizi e l'instradamento del traffico dati sulle risorse Cloud-IoT. La metodologia è prototipata in Prolog e valutata mediante simulazione su un caso d'uso realistico.

Laurea Triennale in Informatica

Università di Pisa

09/2016 - 10/2019

La tesi presenta la progettazione e l'implementazione di un'interfaccia ibrida vocale e grafica per ambienti smart building, che consente l'interazione in linguaggio naturale con dispositivi IoT tramite Amazon Alexa e uno schermo tattile. Il sistema integra più microservizi nel framework GIÒ, permettendo agli utenti di consultare informazioni contestuali, gestire gli obiettivi delle stanze intelligenti e controllare i dispositivi mediante comandi vocali o input grafico. La soluzione è prototipata in Python con Alexa Skills Kit e la sua usabilità è valutata con utenti reali in ambito universitario.

Interessi di ricerca

I miei attuali interessi di ricerca includono, tra gli altri:

Cloud-Edge continuumsistemi distribuitiprogrammazione dichiarativareti basate su intentireti definite dal softwaresimulazioneemulazione

Pubblicazioni

Di seguito è riportato l'elenco completo delle mie pubblicazioni, secondo lo schema cromatico DBLP.

Le pubblicazioni indicizzate sono disponibili anche su: DBLP , Google Scholar , ResearchGate , Scopus , Web of Science .

Fonte	Documenti	Citazioni	h-index	i10-index
Google Scholar	22	105	6	4
ResearchGate	21	91	6	—
Scopus	17	68	5	—
Web of Science	16	45	4	—

Ricerca

SL-CR

Continuous Reasoning Prototype for Application Placement

GitHub

06/2026

Prolog

SL-CR è un prototipo dichiarativo per il ragionamento continuo sul piazzamento di applicazioni in ambienti Cloud-Edge. Separa un dispiegamento in frammenti validi e non validi, preserva le assegnazioni corrette e ripara con Prolog solo i componenti interessati, riducendo ricalcoli e migrazioni non necessari dopo cambiamenti dell'applicazione o dell'infrastruttura.

EdgeWiseCR

Declarative and Optimization-based Edge-Cloud Service Placer

GitHub

07/2025

Prolog Python

EdgeWiseCR è un framework data-aware per il piazzamento di applicazioni multi-servizio in ambienti Cloud-Edge, che combina ragionamento dichiarativo e ottimizzazione MILP per minimizzare costi operativi e trasferimenti di dati. Estende EdgeWise con ragionamento continuo, riutilizzando i piazzamenti esistenti per ridurre ricalcoli e migrazioni di servizi, preservando la stabilità dei piazzamenti in condizioni infrastrutturali dinamiche.

ECLYPSE

Edge-CLoud pYthon Platform for Simulated runtime Environments

GitHub

11/2024

Python

ECLYPSE (Edge-CLoud pYthon Platform for Simulated runtime Environments) è una libreria di simulazione interamente scritta in Python per sperimentare strategie di dispiegamento al variare delle condizioni dell'infrastruttura. Offre un'interfaccia per simulare il dispiegamento di applicazioni basate su servizi su infrastrutture realistiche, con o senza un'implementazione reale dell'applicazione. È stata inoltre utilizzata nel Progetto europeo FREEDA.

dgLBF

Declarative Guaranteed Latency Based Forwarding

GitHub

06/2024

Prolog

L'approccio guaranteed Latency Based Forwarding (gLBF) usa ritardi limitati per ogni salto per soddisfare i requisiti di latenza end-to-end dei flussi di dati in base alle esigenze applicative. dgLBF introduce una specifica di gLBF basata su Prolog per selezionare i percorsi e configurare i ritardi. Il prototipo determina percorsi e ritardi capaci di rispettare gli obiettivi di latenza, offrendo una soluzione concisa ed estensibile.

MultiDIPS

Multi-Intent Declarative Intent-based Provisioning System

GitHub

10/2023

Prolog

MultiDIPS è uno strumento Prolog che estende DIPS per modellare ed elaborare più intenti di provisioning di servizi contemporaneamente. Consente ai fornitori di specificare requisiti di alto livello come tipo di servizio, vincoli di localizzazione (ad esempio, dispiegamento sull'edge), qualità del servizio (latenza e banda) e proprietà non funzionali come privacy o logging. MultiDIPS usa l'inferenza Prolog per tradurre più intenti in specifiche di provisioning coerenti.

EdgeWise

Declarative and Optimization-based Edge-Cloud Service Placer

GitHub

09/2023

Prolog Python

EdgeWise combina un approccio di programmazione dichiarativa con una formulazione di programmazione lineare intera mista (MILP) per individuare piazzamenti ammissibili che minimizzino i costi operativi e riducano il numero di nodi coinvolti, limitando i trasferimenti di dati. Dopo aver valutato entrambi gli approcci, EdgeWise li combina mediante una metodologia ibrida che usa il pre-processing dichiarativo per accelerare il solutore MILP nel calcolo di soluzioni ottime.

DIPS

Declarative Intent-based Provisioning System

GitHub

07/2023

Prolog

DIPS (Declarative Intent Provisioning System) è uno strumento Prolog che usa una metodologia dichiarativa per modellare ed elaborare intenti di provisioning di servizi basati su VNF. Consente ai fornitori di specificare requisiti di alto livello come tipo di servizio, vincoli di piazzamento sull'edge, qualità del servizio (latenza e banda) e proprietà non funzionali come privacy o logging. DIPS usa l'inferenza Prolog per tradurre gli intenti in specifiche di provisioning.

DA-Placer

Data-Aware Application Placer for Edge-Cloud Environments

GitHub

12/2022

Prolog

DA-Placer propone una soluzione dichiarativa che considera aspetti funzionali e non funzionali per determinare piazzamenti dei servizi e instradamenti SDN dei dati capaci di soddisfare i requisiti applicativi. La soluzione usa un ragionatore Prolog e il ragionamento continuo per accelerare le decisioni di piazzamento e instradamento a runtime.

GiòSkill

Conversational Interfaces for Ambient Intelligence Services

GitHub

06/2019 - 12/2025

Python

GiòSkill è un insieme di interfacce conversazionali per i servizi di intelligenza ambientale del progetto Giò, realizzate come skill Alexa. Consente di accedere tramite richieste in linguaggio naturale a servizi informativi e di navigazione e di gestire funzioni dell'edificio, quali illuminazione e cura delle piante.

GiòMap

Interactive Map and Indoor Navigation Service

GitHub

06/2019 - 12/2025

Python JavaScript

A catalyst for EuropeaN ClOUd Services

09/2024

Pisa, Italia

hOlistic Sustainable Management of distributed softWARE systems

11/2022 - 12/2024

Pisa, Italia

High Performance Computing Laboratory

01/2022

L'HPC Lab, gruppo di ricercatori del CNR-ISTI, studia algoritmi e sistemi scalabili per problemi ad alta intensità di calcolo e dati, inclusi sistemi cloud, analisi di big data e apprendimento automatico. Sviluppa soluzioni efficienti per gestire grandi insiemi di dati quasi in tempo reale, ottimizzando i vincoli sulle risorse e i compromessi specifici delle applicazioni.

Pisa, Italia

Service-Oriented, Cloud and Fog Computing (SOCC) Research Group

05/2021

Pisa, Italia

A Fog Computing Testbed for Research & Education

06/2019

Pisa, Italia

Prossimi eventi
ACR 2027	5^th International Conference on Advances in Computing Research	Dublino, Irlanda, 12/07/2027-14/07/2027	membro PC
ASCIC 2026	1^st African Smart Cities & Innovation Congress	, 27/10/2026-29/10/2026	membro PC
I3E 2026	25^th IFIP Conference on e-Business, e-Services, and e-Society	Tampere, Finlandia, 15/09/2026-17/09/2026	membro PC
GECON 2026	21^st International Conference on the Economics of Grids, Clouds, Systems, and Services	Pisa, Italia, 09/09/2026-11/09/2026	responsabile locale responsabile web
GECON 2026	21^st International Conference on the Economics of Grids, Clouds, Systems, and Services	, 09/09/2026-11/09/2026	responsabile web
ESOCC 2026	12^th European Conference On Service-Oriented And Cloud Computing	Bolzano, Italia, 07/09/2026-08/09/2026	membro PC
BigHPC 2026	4th Workshop on Big Data and High-Performance Computing @ Euro-Par 2026	Pisa, Italia, 24/08/2026-25/08/2026	membro PC responsabile web
SSDBM 2026	38th International Conference on Scalable Scientific Data Management	San Diego, California, USA, 12/08/2026-13/08/2026	membro PC

Eventi passati
2026	AHPC³ 2026 @ PDP 2026 (AHPC³ 2026) , IEEE SOSE 2026 (IEEE SOSE 2026) , CSC 2026 (CSC 2026) , HPDC 2026 (HPDC 2026) , ACR 2026 (ACR 2026) , MoCS 2026 @ IEEE ISCC 2026 (MoCS 2026) , CLOUD COMPUTING 2026 (CLOUD COMPUTING 2026) , IEEE CCNC 2026 (IEEE CCNC 2026)
2025	AHPC³ 2025 @ IC2E 2025 (AHPC³ 2025) , AHPC³ 2024 @ PDP 2025 (AHPC³ 2024) , I3E 2025 (I3E 2025) , Smart-City 2025 (Smart-City 2025) , CSC 2025 (CSC 2025) , IEEE SOSE 2025 (IEEE SOSE 2025) , ACR 2025 (ACR 2025) , MoCS 2025 @ IEEE ISCC 2025 (MoCS 2025) , CauSE 2025 (CauSE 2025) , Cloud Continuum @ SAC 2025 (Cloud Continuum) , CLOSER 2025 (CLOSER 2025) , ESOCC 2025 (ESOCC 2025)
2024	CSC 2024 (CSC 2024) , IEEE SOSE 2024 (IEEE SOSE 2024) , HPDC 2024 (HPDC 2024)
2023	Microservices 2023 (Microservices 2023) , ACSOS 2023 (ACSOS 2023) , ESOCC 2023 (ESOCC 2023)

Editor
IJNDC	International Journal on Networked and Distributed Computing

Junior Editor
IJNDC	International Journal on Networked and Distributed Computing

Didattica

Leonardo Signore (in corso)

Gestione adattiva dei flussi di rete tramite continuous reasoning

03/2026

Relatori: Stefano Forti, Jacopo Massa, Giulia Punzi