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.
Sondage de circuits intégrés par faisceau électronique
La sécurité des systèmes numériques repose sur l’établissement de chaînes de confiance cryptographiques allant du matériel jusqu’aux applications finales. Les circuits intégrés sont à la base des chaines de confiances et stockent pour cela des secrets qui, via différentes contremesures, sont supposés non modifiables et non observables.
L’une des menaces connues dans la littérature est l’utilisation de Microscopes Électronique à Balayage (MEB) pour l’extraction de signaux sensibles. En effet, le MEB, via le phénomène de contrastes de potentiel permet de déterminer « visuellement » la valeur d’un ou plusieurs signaux présents dans une zone du circuit, cette zone pouvant être un niveau de métal ou un transistor. Cette utilisation du MEB sur la face avant des circuits est connue et mise en œuvre depuis les années 90 dans le domaine d’analyse de défaillance. Cependant cette technique est devenue inapplicable avec les progrès des technologies, notamment la finesse de gravure et l’augmentation du nombre de couche de métaux. Des travaux récents (2023) ont montré que le sondage avec MEB était possible via la face arrière du circuit, en observant les transistors via le substrat de silicium. Ces travaux ont été effectués sur des technologies assez anciennes (135 µm). Il est aujourd’hui essentiel de déterminer si ces menaces sont avérées sur les technologies récentes (Bulk, FD-SOI, FinFET), car les futures chaînes de confiance pourraient être compromise.
Un premier défi de la thèse est de fiabiliser le processus de préparation d’échantillon permettant l’accès aux parties actives des transistors via la face arrière tout en gardant le système fonctionnel. Un second défi sera de caractériser les phénomènes de contraste de potentiels et d’observations via l’instrumentation de MEB en vue d’extraire des secrets. Une fois la technique maitrisée nous chercherons à comparer l’effet de la technologie sur cette famille d’attaque et en particulier déterminer les potentiels avantages intrinsèques de la technologie FD-SOI en vue de s’en prémunir.
Polymères fonctionnels pour l’électronique imprimée 3D/4D : de la rhéologie à la fonctionnalisation des matériaux
Cette thèse, menée sur la plateforme MAPP (CEA-Metz), s’inscrit dans le cadre du développement de procédés de fabrication additive 3D/4D et la mise en oeuvre de matériaux intelligents. L’objectif est de dépasser les limites d'intégration des architectures planaires traditionnelles (PCB, wafers) en explorant l’impression directe de fonctions électroniques au sein de pièces fabriquées par fusion de fils (FDM) ou extrusion (PEM, Robocasting). Le travail se concentre sur les polymères fonctionnels conducteurs, composés d’une matrice organique et de particules métalliques, dont les mécanismes de conduction (contacts directs, effet tunnel, conduction ionique) sont régis par le franchissement du seuil de percolation. L’étude portera sur la maîtrise de leur mise en œuvre, l’analyse de leur comportement rhéologique et électrique, ainsi que sur l’exploitation de leurs propriétés résisitives, piézorésistives et piézoélectriques pour concevoir de nouvelles fonctions capteurs (3D) et actionneurs (4D). Le doctorant disposera d’outils de caractérisation avancés et sera encadré par une équipe pluridisciplinaire spécialisée en fabrication additive, matériaux et microélectronique.
Détection d'anomalies dans les vidéos adaptative et explicable
La détection d'anomalies dans les vidéos (VAD) vise à identifier automatiquement les événements inhabituels dans des séquences vidéo qui s’écartent des comportements normaux. Les méthodes existantes reposent souvent sur l'apprentissage One-Class ou faiblement supervisé : le premier n'utilise que des données normales pour l'entraînement, tandis que le second s'appuie sur des labels au niveau de la vidéo. Les récents progrès des modèles Vision-Langage (VLM) et des grands modèles de langage (LLM) ont permis d’améliorer à la fois les performances et l’explicabilité des systèmes VAD. Malgré des résultats prometteurs sur des jeux de données publics, plusieurs défis subsistent. La plupart des méthodes sont limitées à un seul domaine, ce qui entraîne une baisse de performance lorsqu'elles sont appliquées à de nouveaux jeux de données avec des définitions d’anomalies différentes. De plus, elles supposent que toutes les données d'entraînement sont disponibles dès le départ, ce qui est peu réaliste dans des contextes d’utilisation réels où les modèles doivent s’adapter continuellement à de nouvelles données. Peu d’approches explorent l’adaptation multimodale en utilisant des règles en langage naturel pour définir les événements normaux ou anormaux. Or, cela permettrait une mise à jour plus intuitive et flexible des systèmes VAD sans nécessiter de nouvelles vidéos.
Ce sujet de thèse a pour objectif de développer des méthodes de détection d’anomalies vidéo adaptables, capables de traiter de nouveaux domaines ou types d’anomalies en s’appuyant sur peu d’exemples vidéo et/ou des règles textuelles.
Les axes de recherche principaux seront les suivants :
• Adaptation interdomaines en VAD : améliorer la robustesse face aux écarts de domaine via une adaptation Few-Shot ;
• Apprentissage continu en VAD : enrichir le modèle en continu pour traiter de nouveaux types d’anomalies ;
• Apprentissage multimodal en Few-Shot : faciliter l’adaptation du modèle à l’aide de règles en langage naturel.
Cadre MBSE augmenté par l’Intelligence Artificielle pour l’analyse conjointe de la sureté et de la sécurité des systèmes critiques
Les systèmes critiques doivent respecter simultanément des exigences de Sureté de fonctionnement (prévenir les défaillances involontaires pouvant entraîner des dommages) et de Sécurité (protéger contre les attaques malveillantes). Traditionnellement, ces deux domaines sont traités séparément, alors qu’ils sont interdépendants : Une attaque (Sécurité) peut déclencher une défaillance (Sureté), et une faille fonctionnelle peut être exploitée comme vecteur d’attaque.
Les approches MBSE permettent une modélisation rigoureuse du système, mais elles ne capturent pas toujours les liens explicites entre la Sureté [1] et Sécurité [2] ; les analyses de risques sont manuelles, longues et sujettes à erreurs. La complexité des systèmes modernes rend nécessaire l’automatisation de l’évaluation des compromis Sureté-Securité.
La modélisation MBSE conjointe sureté/sécurité a été largement abordé dans plusieurs travaux de recherche tels que [3], [4] et [5]. Le verrou scientifique de cette thèse consiste à utiliser l’IA pour automatiser et améliorer la qualité des analyses. Quel type d’IA devrons nous utiliser pour chaque étape d’analyse ? Comment détecter les conflits entre les exigences de sécurité et de sureté ? Quelle sont les critères pour évaluer l’apport de l’IA dans l’analyse conjointe sureté/sécurité…
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.
Localisation et Cartographie Coopératives via des Méthodes d’Apprentissage Exploitant les Multi-trajets Radio
Dans le cadre de cette thèse, on se propose d'explorer le potentiel des méthodes d'apprentissage machine (ML) pour assurer des fonctions simultanées de localisation et de cartographie (SLAM), en s’appuyant sur des signaux multi-trajets transmis entre plusieurs dispositifs radio coopératifs.
L'idée consiste à identifier certaines caractéristiques des canaux de propagation observés conjointement sur plusieurs liens radio, afin de déterminer les positions relatives des dispositifs radio mobiles, ainsi que celles d’objets passifs présents dans leur voisinage. Ces caractéristiques radio reposent typiquement sur les temps d'arrivée d‘échos multiples des signaux transmis. L'approche envisagée doit alors bénéficier de la corrélation de ces trajets multiples au gré du déplacement des dispositifs radio, ainsi que de la diversité spatiale et de la redondance d’information autorisées par la coopération entre ces mêmes dispositifs. Les solutions développées seront évaluées sur la base de mesures indoor collectées à partir des dispositifs ultra large bande intégrés, ainsi que de données synthétiques générées à l'aide d'un simulateur de type « tracer de rayons ».
Les applications possibles concernent la navigation de groupe au sein d’environnements complexes et/ou inconnus (ex. flottes de drones ou de robots, pompiers...).
Etude des photodiodes PiN pour les imageurs infrarouges refroidis
En termes de détection IR haute performance, le LETI joue un rôle de premier plan dans le développement du matériau HgCdTe qui donne aujourd’hui des performances telles qu’il est embarqué sur le Télescope Spatial James Webb (JWST) et permet l’observation et l’étude de l’espace lointain avec une précision inégalée à ce jour. Cependant, nous pensons qu’il est encore possible de franchir un pas important en termes de performances de détection. En effet, il semble qu’une structure totalement déplétée, appelée photodiode PiN, pourrait permettre de réduire encore le courant d’obscurité (et donc réduire le bruit et gagner en sensibilité à bas flux photonique) par rapport aux structures non totalement déplétées utilisées jusqu’à présent. Cette architecture représenterait la photodiode ultime et permettrait soit un gain en performance pure à une température de fonctionnement donnée, soit une augmentation importante de la température de fonctionnement du détecteur avec le potentiel d’ouvrir de nouveaux champs d’application en simplifiant fortement la cryogénie.
Votre rôle dans ce travail de thèse sera de contribuer au développement de la photodiode ultime pour la détection IR refroidi très haute performance, caractériser et simuler les photodiodes PiN en technologie HgCdTe fabriquées sur notre plateforme photonique. Les figures de mérite principales des détecteurs seront établies et comparées à celles de la littérature (courant d’obscurité, qualité image, …). Le candidat pourra s’appuyer sur un socle de moyens de caractérisations avancées disponibles au laboratoire : mesures de FTM par EBIC (Electron-Beam-Induced-Current), de transport électronique par EH (Effet Hall), MEMSA (Maximum Entropy Mobility Spectrum Analysis) ou EBIC (extraction de la durée de vie des porteurs minoritaires) en plus des moyens plus classiques de mesures : analyseurs de paramètres à semi-conducteurs (HR-SMU pour High-Resolution Source Measurement Unit), rendement quantique, bruits temporel et spatial. Ce travail expérimental et théorique permettra de proposer une modélisation du comportement des objets fabriqués au CEA-Léti et de déterminer la sensibilité aux paramètres technologiques.
Le doctorant s’intègrera dans une équipe multidisciplinaire qui va de la croissance des matériaux II-VI jusqu’à la caractérisation EO, en passant par les procédés de fabrication de type microélectronique en salle blanche et les problématiques de packaging de tels objets fonctionnant à basse température.
Vous êtes titulaire d’un Master en optoélectronique ou physique des matériaux semi-conducteurs et êtes passionné par la recherche appliquée.
Les principales compétences techniques souhaitées sont : physique des composants à semi-conducteurs, optoélectronique, traitement des données, simulations numériques, attrait pour le travail expérimental pour mener à bien les caractérisations en environnement cryogénique et théorique pour mener à bien les simulations numériques. Rigueur
Développement d’un système d’analyse par nanopore solide intégré
L’identification d’objets biologiques d’intérêt (ADN, ARN, protéines…) est rarement possible sur le terrain car elle demande des équipements encombrants, sensibles et/ou basés sur des consommables spécifiques difficiles d’accès ou de conservation. Pour se libérer de ces contraintes nous souhaitons développer une plateforme basée sur la technologie des nanopores solides qui pourrait s’adapter à de nombreux analytes de manière portable et agnostique.
On obtient un nanopore en perçant un trou nanométrique dans une membrane ultrafine de diélectrique grâce à un faisceau d’électrons par exemple. En exposant chaque face de cette membrane à un électrolyte et en appliquant une différence de potentiel de part et d’autre du pore on peut y faire passer un courant ionique mesurable. Quand une particule vient à passer à travers le pore elle modifie ce courant ionique ce qui nous donne des indications sur sa taille, sa charge, sa conformation.
Pour obtenir des résultats fiables avec cette technique il faut pouvoir contrôler chaque élément intervenant dans l’obtention du signal : le diélectrique et le nanopore ; le circuit électronique d’acquisition de ces signaux ; le circuit d’intégration fluidique et le programme d’interprétation des traces de courant. En partant du système le plus simple possible, le candidat devra faire avancer ces différentes thématiques, dans le cadre du séquençage de protéines, en s’appuyant sur les expertises au sein du Leti comme du laboratoire du Lambe.
Un cadre théorique pour la conception et la réalisation de robots sériels modulaires et reconfigurables axés sur les tâches, en vue d'un déploiement rapide.
Les innovations qui ont donné naissance aux robots industriels remontent aux années soixante et soixante-dix. Elles ont permis un déploiement massif de robots industriels qui ont transformé les ateliers, du moins dans certains secteurs de l'industrie tels que la construction automobile et certaines chaînes de production de masse.
Néanmoins, ces robots ne répondent pas totalement à d’autres applications qui sont apparues et se sont développées dans des domaines tels que la recherche en laboratoire, la robotique spatiale, la robotique médicale, l'inspection et la maintenance, la robotique agricole, la robotique de service et, bien sûr, les humanoïdes. Un petit nombre de ces secteurs ont connu un déploiement et une commercialisation à grande échelle de systèmes robotiques, mais la plupart avancent de manière lente et incrémentale.
Une question que l’on peut se poser est de savoir à quoi cela est dû ? Est-ce parce que le matériel n’est pas adapté (capacités physiques insuffisantes pour générer les forces et effectuer les mouvements nécessaires), parce que le logiciel n’est pas suffisamment performant (contrôle commande, perception, décision, apprentissage, etc.), ou parce qu’on ne dispose pas de paradigmes de conception capables de répondre aux besoin de ces applications (possibilités de conception rapide et sur mesure de nouveaux robots) ?
L'explosion sans précédent de la science des données, de l'apprentissage automatique et de l'IA dans tous les domaines de la science, de la technologie et de la société est souvent perçue comme une solution évidente pour répondre au problème, et une évolution radicale se profile ou est anticipée avec la promesse d'autonomiser les prochaines générations de robots grâce à l'IA (à la fois prédictive et générative). En conséquence, on a souvent tendance à apporter une attention particulière à l'aspect logiciel (apprentissage, aide à la décision, codage etc.), sans doute au détriment de capacités physiques améliorées (matériel) et de nouveaux concepts (paradigmes de conception). Il est pourtant clair que les aspects cognitifs de la robotique, notamment l'apprentissage, le contrôle et l'aide à la décision, ne pourront apporter une solution que si des dispositifs adaptés sont disponibles pour répondre aux besoins des diverses tâches que l’on souhaite robotiser, ce qui suppose des méthodologies de conception et un matériel adaptés.
L'objectif de cette thèse est ainsi de se concentrer sur les paradigmes de conception et le hardware, et plus spécifiquement sur la conception optimale de robots série utilisant une famille de « modules » standardisés dont l’agencement sera optimisé pour des familles de tâches données qui ne peuvent pas être accomplies par un robot industriel du marché. L’ambition de ce travail est de permettre de passer d’un catalogue donné de robots à la conception très rapide de solutions robotisées sur mesure.
Le candidat ou la candidate retenu(e) s'inscrira à l’Ecole Doctorale Mathématiques, STIC, de Nantes Université (ED-MASTIC) et sera accueilli(e) pendant trois ans au Service de Robotique Interactive du CEA-LIST à Palaiseau. Les professeurs Clément Gosselin (Laval) et Yannick Aoustin (Nantes) assureront l'encadrement académique de cette thèse qui sera co-encadrée par le Dr Farzam Ranjbaran du CEA-LIST.
Nous envisageons l’opportunité de poursuivre cette collaboration grâce à une bourse postdoctorale d’un an à laquelle le candidat pourrait candidater, une fois les prérequis du doctorat validés. Cette bourse serait hébergée au Centre de recherche en robotique, vision et intelligence artificielle (CeRVIM) de l’Université Laval, au Canada.