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.

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.