Modélisation des qubits de spins silicium et germanium
Les qubits de spin silicium/germanium ont fait des progrès remarquables au cours des deux dernières années. Dans ces dispositifs, l'information élémentaire est stockée sous la forme d'une superposition cohérente des états de spin d'un électron dans une hétérostructure Si/SiGe, ou d'un trou dans une hétérostructure Ge/SiGe. Ces spins peuvent être manipulés électriquement grâce au couplage spin-orbite intrinsèque (ou synthétique) et être intriqués par des interactions d'échange, permettant la mise en œuvre d'une variété de portes à un et deux qubits nécessaires au calcul et à la simulation quantiques. Les objectifs de ce postdoctorat sont de renforcer nos connaissances et de soutenir le développement des qubits de spin d'électrons et de trous basés sur des hétérostructures Si/Ge grâce à la modélisation analytique ainsi qu'à la simulation numérique avancée. Les sujets d'intérêt incluent la manipulation et la lecture du spin, les interactions d'échange dans les réseaux 1D et 2D, la cohérence et les interactions avec d'autres particules telles que les photons. Le/La candidat(e) sélectionné(e) rejoindra un projet dynamique réunissant > 50 personnes avec des expertises variées couvrant la conception, la fabrication, la caractérisation et la modélisation des qubits de spin. Il/Elle pourra commencer début 2023, pour une durée maximale de trois ans.
Circuits hybrides CMOS / spintronique pour le calcul d'optimisation
Le sujet proposé s’inscrit dans le contexte de la recherche d'accélérateurs hardware pour la résolution de problèmes d’optimisation NP-difficiles. De tels problèmes, dont la résolution exacte en temps polynomial est hors de portée des machines de Turing déterministes, trouvent des applications dans divers domaines tels que les opérations logistiques, le design de circuits (e.g. placement-routage), le diagnostic médical, la gestion de réseaux intelligents (e.g. smart grid), la stratégie de management etc.
L'approche considérée s'inspire du modèle d'Ising, et repose sur l'évolution de la configuration des états binaires d'un réseau de neurones artificiels. Dans le but d'améliorer la précision du résultat ainsi que la vitesse de convergence, les éléments du réseau peuvent bénéficier d'une source d'aléas intrinsèque ajustable. Des preuves de concept récentes soulignent l'intérêt de matérialiser de tels neurones via la résistance de jonctions superparamagnétiques.
Les objectifs principaux sont la simulation, le dimensionnement puis la fabrication de réseaux d'éléments hybrides associant la circuiterie CMOS à des jonctions tunnel magnétiques. Les véhicules de test seront ensuite caractérisés en vue de démontrer leur fonctionnalité.
Ces travaux s'effectueront dans le cadre d'une collaboration scientifique entre le CEA-Leti et Spintec.
Plasticité cristalline en Dynamique Moléculaire classique et passage à l'échelle mésoscopique
Grâce aux nouvelles architectures des supercalculateurs, les simulations de dynamique moléculaire classique (DM) entreront bientôt dans le domaine du millier de milliard d’atomes, jamais atteint jusque là, devenant ainsi capables de représenter la plasticité des métaux à l’échelle du micron. Pour autant, 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 basées sur la caractérisation de l'environnement local ('distortion score', 'local deformation'), a posteriori ou in situ au cours de la simulation. Enfin, les outils du machine learning peuvent intervenir afin d’analyser la statistique obtenue et d’en extraire et synthétiser (par réduction de modèle) une description minimale de la plasticité pour les modèles aux échelles supérieures.
Conversion charge-spin dans les isolants topologiques HgTe
L’interface ou la surface d’isolants topologiques contient des états de Dirac qui présentent la propriété particulière de spin-momentum locking qui rend ces systèmes particulièrement attractifs pour le développement de nouveaux effets et applications de spintronique. HgTe contraint est un isolant topologique modèle et de fait un excellent candidat pour la démonstration et le design de composants nouveaux exploitant les propriétés uniques des isolants topologiques. Cette position postdoctorale vise à réaliser la première démonstration expérimentale de la conversion directe charge-spin dans des nanostructures HgTe, et d’utiliser cette conversion pour développer des composants basés sur le transport de spins.