Approche intégrée matériau–procédé–dispositif pour la conception de transistors RF haute performance sur technologies nanométriques avancées
Cette thèse vise à développer et optimiser des technologies de dispositifs semi-conducteurs avancés pour applications radiofréquences, en s’appuyant sur la filière FD-SOI et en explorant les architectures tridimensionnelles émergentes telles que les transistors GAA et CFET. L’objectif scientifique principal est d’améliorer les performances RF essentielles — telles que fT, fmax, la linéarité ou le bruit — par une co-optimisation conjointe des matériaux, des procédés technologiques et de la conception des dispositifs.
Le projet s’appuiera sur une approche intégrée combinant développement expérimental, analyses structurales, caractérisations électriques et simulations TCAD avancées. Cette méthodologie permettra d’identifier les mécanismes limitants propres à chaque type d’intégration, de quantifier leur potentiel respectif et d’établir un lien direct entre les choix matériaux/processus et les performances RF mesurées. Une attention particulière sera portée à l’ingénierie fine des architectures de transistors, incluant notamment l’optimisation des spacers, des matériaux de grille, du positionnement des jonctions ainsi que des facettes épitaxiées source/drain. La co-conception procédé/dispositif visera à réduire les résistances d’accès, les capacités parasites et les effets de non-linéarité susceptibles de dégrader les performances haute fréquence.
À travers une modélisation comparative des filières planaires FD-SOI et des intégrations tridimensionnelles GAA/CFET, la thèse cherchera à dégager des orientations technologiques pertinentes pour les futures générations de transistors RF. Situé à l’interface entre science des matériaux, physique des dispositifs et ingénierie de fabrication, ce travail ambitionne de fournir des recommandations pour le développement de technologies RF haute efficacité destinées aux communications 5G/6G, aux radars automobiles et aux systèmes IoT basse consommation.
Amélioration de la compréhension de l'origine du bruit dans les dispositifs quantiques
Grâce à de solides collaborations entre les équipes de plusieurs instituts de recherche et les infrastructures de salle blanche du CEA-LETI, Grenoble a été un pionnier dans le développement de dispositifs à qubits de spin en tant que plateforme pour l’informatique quantique. La durée de vie de ces qubits de spin est très sensible aux fluctuations de leur environnement électrique, connues sous le nom de bruit de charge. Ce bruit de charge dans les dispositifs à qubits de spin provient potentiellement d’événements de piégeage/dépiégeage au sein des matériaux amorphes et défectueux (par exemple, SiO2, Si3N4). Ce sujet de doctorat vise à mieux comprendre l’origine de ce bruit par des simulations numériques et à orienter le développement de dispositifs quantiques vers des niveaux de bruit plus faibles et des qubits de meilleure qualité.
L’objectif de ce sujet est d’améliorer la compréhension du bruit dans les dispositifs à qubits de spin grâce à des simulations multi-échelles allant de l’échelle atomistique à celle du dispositif. Le doctorant utilisera les codes développés au CEA pour la modélisation numérique des qubits de spin et exploitera les capacités de calcul intensif pour réaliser les simulations. En fonction du profil et des intérêts du candidat, un travail de développement de code pourra être envisagé. Le travail impliquera également des collaborations avec des expérimentateurs afin de valider les méthodes de simulation et d’aider à l’interprétation des résultats expérimentaux.
Réseaux neuronaux liquides à base d’oscillateurs verrouillés par injection pour une intelligence embarquée générative
Les architectures neuromorphiques actuelles, bien que plus efficaces grâce au in-memory computing, restent limitées par la densité extrême en poids et interconnexions, rendant leur implémentation matérielle complexe et coûteuse. Les Liquid Neural Networks (LNN), introduits par le MIT au niveau algorithmique, offrent une rupture : des neurones dynamiques à temps continu capables d’ajuster leurs constantes internes selon le signal reçu, réduisant drastiquement le nombre de paramètres nécessaires.
L’objectif de la thèse est de transposer les algorithmes des LNN au niveau circuit, en développant des cellules analogiques très faible consommation à base d’oscillateurs, réalisant le calcul neuronal dans le domaine temporel et reproduisant la dynamique liquide, puis en les interconnectant dans une architecture stable et récurrente afin de viser des applications d’IA générative. Un démonstrateur silicium sera conçu et validé, ouvrant la voie à une nouvelle génération de systèmes neuromorphiques liquides pour l’Edge AI.
Modélisation et caractérisation des transistors CFET pour l’amélioration des performances électriques
Les transistors CFET (Complementary Field Effect Transistors) représentent une nouvelle génération de dispositifs CMOS empilés verticalement, offrant un fort potentiel pour poursuivre la miniaturisation des circuits intégrés et répondre aux exigences du calcul haute performance.
L’objectif de cette thèse est d’étudier et d’optimiser la mise en contrainte du canal de conduction afin d’accroître la mobilité des porteurs et d’améliorer les performances électriques des CFET. Le travail portera à la fois sur la modélisation numérique des procédés technologiques, réalisée par éléments finis, et sur la caractérisation expérimentale des déformations cristallines à l’aide de la microscopie électronique en transmission couplée à la diffraction électronique précessionnée (TEM-PED).
La partie modélisation visera à prédire les distributions de contraintes et leur impact sur les propriétés électriques, en intégrant la complexité des empilements technologiques et des étapes critiques du procédé, telles que l’épitaxie. En parallèle, la caractérisation par TEM-PED permettra de mesurer les champs de déformation et de confronter les simulations aux observations expérimentales.
L’ensemble du travail consistera à développer des outils de modélisation et des méthodologies de caractérisation adaptés à ces structures avancées, afin d’améliorer la précision spatiale, la reproductibilité et la compréhension des mécanismes de contrainte au cœur des transistors CFET.
Étude et modélisation des dynamiques de domaines ferroélectriques et antiferroélectriques dans les condensateurs à base d’oxyde d’hafnium
Le contexte de la thèse s’inscrit dans l’exploration de nouvelles technologies de supercondensateurs et de dispositifs hybrides de stockage d’énergie, visant à concilier miniaturisation, forte densité de puissance et compatibilité avec les procédés microélectroniques. L’expertise du laboratoire d’accueil (LTEI/DCOS/LCRE) en intégration de couches minces et en ingénierie de matériaux diélectriques ouvre aujourd’hui des perspectives inédites pour l’étude des comportements ferroélectriques et antiferroélectriques dans les oxydes d’hafnium dopés.
La thèse portera plus particulièrement sur l’étude expérimentale et la modélisation physique de condensateurs à couches minces d’oxyde d’hafnium (HfO2), dopés de manière à présenter des propriétés ferroélectriques (FE) ou antiferroélectriques (AFE) selon la composition et les conditions de dépôt, par exemple à travers l’incorporation de ZrO2 ou de SiO2. Ces matériaux présentent un fort potentiel pour la réalisation de dispositifs combinant fonctions de mémoire non-volatile et de stockage d’énergie sur une même plateforme CMOS-compatible, ouvrant ainsi la voie à des systèmes autonomes à très faible consommation, tels que les architectures d’edge computing, les capteurs environnementaux ou les objets connectés intelligents.
Le travail de recherche consistera à fabriquer et caractériser des condensateurs métal–isolant–métal (MIM) à base d’HfO2 dopé, intégrés sur substrats silicium, puis à étudier expérimentalement les mécanismes de relaxation des domaines ferroélectriques et antiferroélectriques à partir de mesures courant–tension (I–V) et polarisation–champ électrique (P–E), réalisées sous différentes fréquences, amplitudes et conditions de cyclage. L’analyse des boucles d’hystérésis mineures permettra d’extraire la distribution des énergies d’activation et de modéliser la dynamique de relaxation des domaines ferroélectriques. Un modèle physique sera ensuite élaboré ou adapté afin de décrire les transitions FE/AFE sous excitation électrique cyclique, en tenant compte des phénomènes de piégeage de charges, des contraintes mécaniques et des effets de nucléation et de croissance des domaines.
L’ensemble de ces travaux visera à optimiser la densité d’énergie récupérable et le rendement énergétique global des dispositifs, tout en établissant des critères de conception pour des composants de stockage d’énergie compacts, efficaces et pleinement intégrables dans les technologies silicium. Les connaissances acquises contribueront à une meilleure compréhension des mécanismes dynamiques régissant le comportement FE/AFE de l’HfO2 dopé et bénéficieront potentiellement à d’autres domaines tels que les mémoires ferroélectriques, la récupération d’énergie et les architectures neuromorphiques à basse consommation.
Inférence neuronale bayésienne à partir de transistors ferroélectriques à mémoire
De nombreux systèmes critiques pour la sécurité intègrent désormais des fonctions d’intelligence artificielle devant opérer avec une consommation énergétique minimale et sous fortes incertitudes, notamment en contexte de données limitées. Or, les approches déterministes classiques de l’IA ne fournissent qu’une estimation ponctuelle des prédictions, sans quantification rigoureuse de la confiance, ce qui limite leur fiabilité en conditions réelles.
Cette thèse s’inscrit dans le domaine émergent de l’électronique bayésienne, où l’objectif est d’implémenter l’inférence probabiliste directement au niveau matériel, en exploitant la variabilité intrinsèque de nanodispositifs pour représenter et manipuler des distributions de probabilité. Si des mémristors ont déjà été utilisés pour réaliser des opérations d’inférence bayésienne, leurs contraintes en endurance et en énergie de programmation constituent un verrou majeur pour l’apprentissage embarqué.
L’objectif de cette thèse est d’explorer l’utilisation de transistors ferroélectriques à effet de champ (FeMFETs) comme briques élémentaires de réseaux de neurones bayésiens sur puce. Il s’agira de caractériser et modéliser l’aléa ferroélectrique exploitable pour l’échantillonnage et la mise à jour probabiliste, de développer des architectures de neurones et synapses bayésiens basées sur ces dispositifs, puis d’évaluer expérimentalement et au niveau système leur robustesse, leur efficacité énergétique et leur pertinence pour des applications critiques.