Impact de la microstructure dans le dioxyde d’uranium sur de l’endommagement balistique et électronique
Lors de l'irradiation en réacteur, les pastilles de combustible subissent des modifications microstructurales. Au-delà de 40 GWd/tU, une structure High Burnup Structure (HBS) apparaît en périphérie, où les grains initiaux (~10 µm) se subdivisent en sous-grains (~0.2 µm). Près du centre, sous haute température, des sous-grains faiblement désorientés se forment. Ces évolutions résultent de la perte d'énergie des produits de fission, générant des défauts tels que dislocations et cavités. Pour étudier l'effet de la taille des grains sur ces dommages, des échantillons de UO2 nanostructurés seront synthétisés au JRC-K par frittage flash. Des irradiations ioniques seront menées à JANNuS-Saclay et GSI, suivies de caractérisations (Raman, MET, MEB-EBSD, DRX). Le postdoctorat se déroulera au JRC-K, CEA Saclay et CEA Cadarache sous encadrement spécialisé.
Caractérisation électrique de matériaux 2D pour la microélectronique
Les composants de microélectroniques du futur seront de plus en plus petit et de moins en moins gourmands en énergie. Pour relever ce défi, les matériaux 2D sont d’excellents candidats du fait de leurs dimensions. De nouveaux matériaux 2D avec des propriétés nouvelles sont créés tous les jours. Mais leur intégration et la mesure de leurs performances dans des circuits est un défi. En effet, ils présentent des surfaces sans liaison pendantes ce qui leur permet de conserver leurs propriétés même à très petites dimensions mais il faut aussi réussir à préserver cette structure pendant l’intégration. Les étapes de dépôt, de transfert et de photolithographie sont susceptibles d’endommager ces surfaces fragiles.
L’objectif de ce post-doc est de développer des composants de caractérisation électrique et magnétique pour des matériaux 2D en configuration horizontale sur silicium. Le laboratoire a déjà mis au point un système de mesure verticale, mais les matériaux 2D étant très anisotropes, la mesure horizontale est nécessaire pour totalement qualifier ces matériaux. En s’appuyant sur les développements du procédé de réalisation vertical, le candidat mettra au point ce système de mesure et caractérisera différents matériaux réalisés en MBE par une autre équipe du CEA.
Substrats RF disruptifs à base de matériaux polycristallins
Contexte et Objectifs
L’optimisation des performances des circuits haute fréquence repose sur l’utilisation de substrats de haute résistivité. Aujourd’hui, les substrats SOI (Silicon On Insulator) à haute résistivité avec une couche de pièges électroniques (« trap-rich ») sous l’oxyde enterré (BOX) sont la référence en matière de performances RF dans les technologies CMOS. Cependant, ces substrats présentent deux défis majeurs : 1) Leur coût relativement élevé. 2) Une dégradation des performances RF à des températures de fonctionnement supérieures à 100 °C.
Ce projet postdoctoral propose une approche innovante pour surmonter ces limitations en explorant les performances RF d’un substrat polycristallin de haute résistivité sur toute son épaisseur (plusieurs centaines de microns). Grâce à sa forte densité de pièges électroniques répartis dans tout son volume, ce substrat pourrait garantir une stabilité des performances RF, y compris à haute température.
Missions et Contributions
En rejoignant ce projet, vous travaillerez en collaboration avec le CEA-Leti et l’Université Catholique de Louvain (UCL), deux institutions de renommée internationale en microélectronique et en caractérisation RF. Vous serez impliqué(e) dans toutes les étapes de l’étude, depuis la modélisation jusqu’aux tests expérimentaux :
- Simulation et sélection des matériaux : Réalisation de simulations TCAD pour identifier les substrats polycristallins les plus prometteurs (ex. : poly-Si, poly-SiC, …).
- Intégration des substrats dans un procédé avancé : Développement et intégration des substrats polycristallins dans un process flow SOI au CEA-Leti.
- Caractérisation RF en conditions extrêmes : Mesures des performances RF en fréquence et en température à l’UCL, avec un focus particulier sur la compréhension des mécanismes physiques sous-jacents grâce au croisement des données expérimentales et des simulations.
Analyse in situ des dislocations en Dynamique Moléculaire
Grâce aux nouvelles architectures des supercalculateurs, les simulations de dynamique moléculaire classique (DM) entreront bientôt dans le domaine du millier de milliard d’atomes. Ces systèmes de simulation – de tailles inédites – seront ainsi capables de représenter la plasticité des métaux à l’échelle du micron. De telles simulations génèrent une quantité considérable de données et la difficulté réside désormais dans leur exploitation, afin d'en extraire les ingrédients statistiques pertinents pour l’échelle de la plasticité « mésoscopique » (échelle des modèles continus). L'évolution d'un matériau est complexe car elle dépend de lignes de défauts cristallins très étendues (les dislocations) dont l’évolution est régie par de nombreux mécanismes. Afin d'alimenter les modèles aux échelles supérieures, les grandeurs à extraire sont les vitesses et la longueur des dislocations, ainsi que leur évolution au cours du temps. L’extraction de ces données peut se faire par des techniques d'analyse spécifique a posteriori basées sur la caractérisation de l'environnement local ('distortion score' [goryaeva_2020], 'local deformation' [lafourcade_2018], ‘DXA’ [stukowski_2012], mais qui restent très couteuses et ne permettent pas de traitement in situ. Nous avons récemment développé une méthode robuste permettant d'identifier à la volée la structure cristalline [lafourcade_2023], qui sera bientôt étendue au cas de la classification des dislocations. L'objectif du stage post doctoral est le développement d'une chaîne d'analyse complète menant à l'identification in-situ des dislocations au sein des simulations atomistiques ainsi qu'à leur extraction sous forme nodale. La première étape de ce processus passe par la classification et l'identification des atomes voisins du coeur de la dislocation.
Développement de cellules Potassium-ion performantes et respectueuses de l'environnement
Les batteries Lithium-ion constituent un système de référence en termes de densité d’énergie et de durée de vie au point de devenir une technologie clé de la transition énergétique notamment en alimentant les voitures électriques. Cependant, cette technologie repose sur une utilisation importante d’éléments peu abondants et sur des procédés de fabrication énergivores.
Dans cette optique, notre équipe développe de nouvelles batteries Potassium-ion présentant des performances élevées et n’utilisant que des éléments abondants et des procédés de fabrication respectueux de l’environnement.
Pour ce projet ambitieux et innovant, le CEA-LITEN (acteur majeur européen dans le domaine de la recherche pour l'énergie) recrute un chercheur post doctoral en chimie des matériaux. L’offre s’adresse à un jeune chercheur talentueux possédant un excellent niveau scientifique et un gout prononcé pour la dissémination de ses résultats au travers de brevets et de publications scientifiques.
Calcul de la conductivité thermique du combustible UO2 et l’influence des défauts d’irradiation
L’étude du comportement sous irradiation du combustible nucléaire fait l’objet de simulations dont les résultats dépendent étroitement de ses propriétés thermiques et de leurs évolutions avec la température et l’irradiation. La conductivité thermique de l’oxyde 100% dense peut à présent être obtenue par dynamique moléculaire à l’échelle du monocristal, en calculant les constantes de forces d’ordre 2, 3 et 4[1], mais l’effet de défauts comme les défauts induits par l’irradiation (boucle d’irradiation, amas de lacunes) voire même des joints de grains (céramique avant irradiation) restent difficiles à évaluer de façon couplée.
L’ambition de ce travail est d’inclure des défauts dans des supercellules et de calculer leur effet sur les constantes de force. En fonction de la taille des défauts considérés nous utiliserons soit la DFT soit un potentiel empirique ou numérique pour effectuer la dynamique moléculaire. AlmaBTE permet de calculer la diffusion des phonons par des défauts ponctuels [2] et le calcul de la diffusion des phonons par les dislocations et leur transmission à une interface ont aussi été récemment implémentés. Ainsi, le chaînage calculs atomistiques / AlmaBTE permettra de déterminer l’effet de la miscrostructure polycristalline et des défauts d’irradiation sur la conductivité thermique. A l’issue de ce post-doc, les propriétés obtenues seront utilisées dans les outils de simulation existants afin d’estimer la conductivité d’un élément de volume (effet additionnel de la microstructure notamment du réseau poreux, méthode FFT), donnée qui sera enfin intégrée dans la simulation du comportement de l’élément combustible sous-irradiation.
Le travail s’effectuera au sein du Département d’Études des Combustibles du CEA, dans un environnement scientifique caractérisé par une grande expertise sur la modélisation des matériaux, en collaboration étroite avec d’autres équipes du CEA à Grenoble et en région parisienne expertes des calculs atomistiques. Les résultats
Application de l’intelligence artificielle à l’identification d’objets dans des images de microscopie électronique en Transmission (TEM)
La caractérisation d’objets de taille nanométrique par microscopie électronique à transmission (MET) est essentielle pour évaluer le comportement mécanique des matériaux de structure des réacteurs nucléaires ou dans le domaine de la nanotechnologie. Ces objets, visibles par contraste de phase (nanobulles) ou contraste de diffraction (boucles de dislocation ou précipités cohérents), sont des candidats de choix à l'automatisation. L'analyse manuelle de ces micrographies est souvent chronophage et non reproductible. Dans ce projet, l'objectif est de développer des outils informatiques en Python basés sur des techniques d'apprentissage automatique pour traiter des images de MET. Pour cela, le travail se décompose en plusieurs tâches:
- Recueil d’une base de données conséquente, indispensable au succès de toute approche de ce type. Dans ce projet, quatre microscopistes sont impliqués et enrichiront en permanence la base de données avec des images contenant des caractéristiques facilement reconnaissables.
- Débruitage des images et recherche des contours des objects (défauts) à la fois grâce à des logiciels en libre accès existants et à des descripteurs développés en interne. Une région d'intérêt (ROI) représentative sera générée sur les images.
- Conception de l'architecture du réseau de neurones de type CNN et apprentissage du modèle: Une identification collective sera effectuée sur l'ensemble des images afin d'identifier certaines régions (ou objets) d’intérêt (ROI). Chaque ROI est ensuite superposé à l’image initiale et est transmise au réseau de neurones pour établir des identifications particulières. Par ailleurs, les avancées récentes en matière de segmentation d'images seront intégrées au processus.
- Appréciation de la performance du modèle
Le processus sera appliqué à des défauts nanométriques formés dans des matériaux nucléaires (alliages à haute entropie sans Co, UO2) ainsi qu’à des précipités dans des matériaux d'intérêt technologique (Cr dans Cu).
Dispositifs photoniques IV-IV à déformation pilotable : application à l’émission et la détection de lumière
La déformation de la maille cristalline d’un semi-conducteur est un outil très puissant permettant de contrôler de nombreuses propriétés telles que sa longueur d’onde d’émission, sa mobilité … Un enjeu de premier plan est de pouvoir générer cette déformation dans des gammes importantes (multi%), et de manière réversible et contrôlée. L’amplification locale de la déformation est une technique récente permettant d’accumuler localement dans une constriction micronique, telle qu’un micropont, des quantités significatives de déformation (jusqu’à 4.9% pour Ge [1]). Cette approche a été mise en œuvre dans des architectures de microlasers en GeSn ainsi fortement déformés au sein du laboratoire SiNaPS [2]. Ces structures ne permettent cependant pas aujourd’hui de moduler sur demande la déformation et la longueur d’onde d’émission imposées au sein d’un même composant, celle-ci étant gelée par « design ». L’objectif de ce post doctorat de 18 mois est donc de réaliser des dispositifs photoniques de la famille des MOEMs (microsystèmes opto-électro mécaniques) permettant de combiner l’amplification locale de la déformation dans le semi-conducteur, à une fonction d’actionnement via un stimulus externe, pour aller vers 1-une microsource laser accordable large bande en longueur d’onde et 2-de nouveaux types de photodétecteurs, le tout en technologie IV-IV (Si, Ge, et Ge1-xSnx). Le ou la candidat(e) mènera plusieurs tâches:
a-la simulation du fonctionnement mécanique des composants en utilisant des logiciels de type FEM, et le calcul des états électroniques du semiconducteur déformé
b-sur la base des résultats obtenus en a, la réalisation des composants en salle blanche (PTA: lithographie, gravure sèche, métallisation, bonding)
c-la caractérisation optique et matériau des composants fabriqués (microRaman, PL, photocourant, MEB…) à l’IRIG-PHELIQS et au LETI.
[1] A. Gassenq et al, Appl. Phys. Lett.108, 241902 (2016)
[2] J. Chrétien et al, ACS Photonics 6, 10, 2462–2469 (2019)
Distribution des energies d’hydrolyse dans des verres modèles par simulation moléculaire et Machine Learning
L'objectif de ce projet est de développer un outil basé sur la modélisation moléculaire combinée à des techniques de Machine Learning pour estimer rapidement des distributions d'énergie d'hydrolyse et de reformation des liaisons chimiques à la surface de verres alumino silicates (SiO2+Al2O3+CaO+Na2O).
La première étape consistera à valider les champs de force classiques utilisés pour préparer des systèmes SiO2-Al2O3-Na2O-CaO hydratés par comparaison avec des calculs ab initio. La métadynamique sera utilisée pour comparer les mécanismes élémentaires.
L'étape suivante consistera à effectuer des calculs avec les champs de force classiques et la méthode dite "Potential Mean Force" pour estimer les distributions d'énergies d'hydrolyse et de reformation des liaisons chimiques sur de larges statistiques. Puis, grâce aux approches de Machine Learning et aux descripteurs structuraux, nous essaierons de corréler les caractéristiques des environnements locaux et ces énergies d'hydrolyse et de reformation des liaisons. Des méthodes comme le "Kernel Ridge Regression", le "Random Forrest", ou le "Dense Neural Network" seront comparées.
Au final, un outil générique sera disponible pour prédire rapidement les distributions des énergies d'hydrolyse et de reformation des liaisons pour une composition donnée de verre.
Intégration d’un pouvoir d'arrêt électronique ab initio dans les simulations de dynamique moléculaire des cascades de déplacement dans les semiconducteurs
En environnement radiatif, les effets de déplacements atomiques peuvent entrainer la dégradation des performances des composants électroniques et optoélectroniques. Dans les semiconducteurs constituant ces composants, ils créent des défauts à l’échelle atomique, qui modifient le nombre de porteurs libres et donc altérent les performances du composant.
Afin de mieux comprendre les phénomènes physiques à l’origine de ces dégradations, les effets de déplacement sont bien reproduits par simulation à l’aide de méthode de dynamique moléculaire classique. Néanmoins, une compréhension plus fine de l’influence de la structure électronique du matériau sur le nombre de défauts créés lors de la cascade de déplacement est nécessaire pour avoir des simulations précises. Pour cela, un modèle nommé électron-phonon EPH a été développé. L’objectif de ce post-doctorat sera de nourrir ce modèle avec des calculs ab initio puis de le paramétrer afin d’effectuer des simulations de dynamique moléculaire pour plusieurs semiconducteurs utilisés dans les technologies microélectroniques actuelles. Les résultats obtenus serviront à mieux comprendre et améliorer si besoin le modèle EPH.