Sobre mí
¡Hola! Soy Sofi Perón, licenciada en física, nostálgica de internet y entusiasta de las pelis noventeras. Por acá vas a encontrar un resumen de mis trabajos, ideas y proyectos.
Actualmente, soy becaria doctoral en CONICET 🇦🇷 e investigo aplicaciones de Machine Learning a la mecánica cuántica.
En la sección de Machine Learning en Física, podés encontrar mis trabajos más recientes donde exploro la aplicación de Deep Reinforcement Learning a la transmisión de estados cuánticos.
El último año (2025) realicé una Diplomatura en Ciencia de Datos, Aprendizaje Automático y sus Aplicaciones para profundizar en otros aspectos de estas tecnologías y formalizar conceptos teóricos.
En la sección Data Science se encuentran algunos de los proyectos que realicé utilizando aprendizaje supervisado, no supervisado y procesamiento de lenguaje natural.
También vas a encontrar mi info de contacto. Charlemos :)
Machine Learning en Física
Diseño de Cadenas de Espín con Algoritmos Genéticos
Optimización de cadenas de espín Heisenberg para lograr alta probabilidad de transmisión de excitaciones cuánticas usando algoritmos genéticos, con análisis de robustez ante desorden estático.
Control Dinámico de Cadenas de Qubits
Comparación de algoritmos genéticos y deep reinforcement learning para optimizar la transmisión de estados cuánticos mediante pulsos magnéticos.
Quantum Circuit Learning
Diseño y comparación de performance entre circuitos cuánticos variacionales y algoritmos de machine learning aplicados a problemas de clasificación y regresión.
Data Science
Lectura Distante de Canciones Argentinas
Proyecto que aplica técnicas de NLP al análisis y clasificación de ~30.000 letras de canciones argentinas para estudiar variaciones semánticas y estilísticas, identificar temáticas, explorar su relación con la popularidad y evaluar distintos modelos.
Decision Transformers para Recomendaciones
Proyecto que evalúa Decision Transformers como sistema de recomendación offline de películas, modelando interacciones usuario–ítem como trayectorias de un MDP y comparando su desempeño con métodos tradicionales.