Charbel Chávez

• Diseñando e implementando una arquitectura híbrida clásico-cuántica para un benchmark, integrando embeddings clásicos con capas cuánticas variacionales.
• Construyendo pipelines de experimentación reproducibles para tareas de NLP (IMDB, AG News) y visión por computadora (MNIST, Fashion-MNIST).
• Colaborando en un protocolo experimental multifactorial que evalúa el número de qubits, la estrategia de codificación y la profundidad del circuito.

Sistemas IA y LLMs

Construí una pipeline completa para HackPrinceton 2026 que transforma dibujos de usuarios en representaciones JSON estructuradas, permitiendo la reconstrucción del juego en tiempo real. Integré la API de Gemini para razonamiento multimodal e interpretación de dibujos, generando retroalimentación sobre jugabilidad, dificultad y calidad del diseño de niveles. Obtuve el premio Best Rookie Track y el 1er Subcampeón en Mejor Uso de IA + Hardware.

Machine Learning Cuántico

Diseñé un circuito cuántico parametrizado de 2 qubits con ansatz RY-RZ-CNOT entrenado mediante la regla de desplazamiento de parámetros. Comparé con un baseline SVM-RBF, logrando 91.2% de precisión en prueba con AUC casi idéntico (0.9868 vs 0.9871). Analicé el paisaje de pérdida, la geometría del kernel cuántico y la teoría de barrens plateaus para explicar la brecha de rendimiento.

Desarrollador Full-Stack y Android

Plataforma de salud full-stack para gestionar citas de pacientes y expedientes médicos electrónicos en una organización de nefrología. Construí servicios backend RESTful con Node.js y Express, una aplicación web en React para médicos y una app Android en Kotlin para que los pacientes agenden citas y consulten resultados de laboratorio.

Ingeniería de Machine Learning

Entrené y evalué modelos LightGBM sobre más de 15,000 muestras de Kepler y TESS para la detección de exoplanetas. Construí un backend FastAPI y un frontend en React para inferencia en tiempo real y visualización. Obtuve el 2° lugar en el NASA Space Apps Challenge 2025 (evento local).

Modelado Basado en Agentes

Desarrollé un sistema multiagente usando Python y Mesa, logrando un 27% de tasa de éxito en más de 100 simulaciones. Implementé agentes autónomos con asignación dinámica de roles y búsqueda de caminos con Dijkstra. Construí visualización en tiempo real con Flask y WebSockets.