Caractérisation des mémoires émergentes en régime cryogénique pour application aérospatiales et quantiques
Le calcul à basse température est une nouvelle proposition visant à repousser les limites des performances technologiques, notamment dans les domaines de l’aérospatial, des serveurs haute performance, du calcul quantique et des centres de données.
Différentes technologies émergentes ont montré des caractéristiques prometteuses au niveau du composant individuel au cours de cette thèse en cours : la programmabilité des mémoires OxRAM a été démontrée jusqu’à 4 K, et des efforts ont été consacrés à la compréhension des interactions entre le sélecteur et la résistance composant la cellule mémoire. Les FeRAM présentent une meilleure efficacité de programmation et une meilleure stabilité à basse température, probablement en raison d’un changement cristallographique induit par l’opération de programmation — une hypothèse qui reste à vérifier. Les PCM ont également montré une programmabilité jusqu’à 12 K et pourraient être incluses dans l’analyse.
Le comportement statistique de ces puces R&D à basse température constituera le thème central de cette proposition, sachant que très peu de publications existent sur le sujet, ce qui laisse un large champ d’exploration et de compréhension.
Tout au long de cette thèse, vous acquerrez un large spectre de connaissances, couvrant la cryogénie, la fiabilité en microélectronique et la physique des dispositifs. Différentes technologies développées au LETI seront étudiées statistiquement dans ce contexte innovant. Une modélisation des phénomènes de conduction pourrait également être envisagée. Vous ferez partie d’une équipe de 7 à 8 personnes (chercheurs permanents et étudiants) avec laquelle vous serez encouragé à partager vos avancées.
Etude de la stabilité de structures Si-CMOS pour la réalisation de qubits de spin
Vous êtes étudiant en Master 2 avec une passion pour les technologies quantiques et l’analyse de données ? Rejoignez notre équipe au CEA Leti, un institut de recherche de renommée mondiale, et embarquez dans une thèse de doctorat innovante !
Parmi les différentes approches pour réaliser des bits quantiques, ou qubits, les qubits de spin dans des structures Metal-Oxyde-Semiconducteur (MOS) à base de silicium se distinguent par leur compatibilité avec les technologies actuelles de la microélectronique et leur potentiel de mise à l’échelle.
Cependant, cette approche présente également plusieurs défis majeurs à relever pour exploiter tout son potentiel. Par exemple, les impuretés et les défauts introduits lors de la fabrication engendrent du bruit et de l’instabilité dans les dispositifs, ce qui peut nuire aux performances des qubits.
Pour évaluer la qualité des dispositifs de manière approfondie, des mesures électriques doivent être réalisées depuis la température ambiante jusqu’à des températures très basses. Cette méthode permettra d’identifier les causes fondamentales de l’instabilité des dispositifs et d'établir des corrélations entre leurs caractéristiques à différentes températures. L’analyse qui en découle aidera à comprendre comment les propriétés évoluent avec la température et à développer des stratégies d’optimisation des performances dans des conditions variées.
Votre mission :
• Caractériser des dispositifs de pointe fabriqués au CEA Leti. Réaliser des mesures électriques rigoureuses à l’aide d’équipements de dernière génération.
• Mettre à profit vos compétences en analyse. Analyser des données complexes et présenter vos résultats avec clarté et précision.
• Développer des algorithmes innovants. Concevoir des outils d’analyse sur mesure pour automatiser le traitement des données et révéler des informations cachées.
Apprenez aux côtés d’experts du domaine et contribuez à une recherche de pointe qui façonne l’avenir de l’électronique. Vous serez encouragé à valoriser vos travaux par des publications, des conférences internationales et/ou des brevets.
Analyse des mécanismes de dégradation des cellules à oxyde solide par microscopie électronique en transmission et par sonde atomique tomographique
L'électrolyse haute température est aujourd'hui considérée comme la technologie la plus prometteuse pour produire de l'hydrogène vert. La réaction d’électrolyse a lieu dans une cellule SOC (pour Solid Oxide Cell) constituée d’une électrode à oxygène (LSCF ou PrOx) et une électrode à hydrogène (Ni-YSZ) séparées par un électrolyte (YSZ). Pour accompagner l’industrialisation, la durabilité des SOCs doit encore être améliorée. Les principales pertes de performances sont liées à la dégradation des deux électrodes. Pour pouvoir proposer une voie d’amélioration, il est essentiel de comprendre finement les mécanismes de dégradation des électrodes. Dans cette thèse, nous proposons donc d’appliquer la microscopie électronique en transmission à haute résolution et la sonde atomique (SAT) pour étudier la dégradation des électrodes après vieillissement sous courant. Il s’agira d’une part de mettre en œuvre les différentes techniques de microscopie électronique avancées couplées à la spectroscopie de rayons X à dispersion d’énergie (EDX) et par spectroscopie de pertes d'énergie des électrons (EELS). D’autre part, des analyses menées sur une SAT permettront d’avoir une information tridimensionnelle particulièrement adaptée à la structure complexe des électrodes.
Ces travaux devraient permettre de mieux appréhender les mécanismes de dégradations des cellules d’électrolyse haute température. Des recommandations sur leur fabrication pourront donc être émises afin d’en améliorer la durée de vie.
Développement d’algorithmes et d’outils de modélisation pour des mesures de CD-SAXS à basse énergie
Le CEA–LETI est un des acteurs Européen principaux de l’industrie des semi-conducteurs. Avec sa plateforme de nano-caractérisation (PFNC) à Grenoble, il dispose d'un environnement de pointe avec un vaste éventail d'équipements à l'état de l'art. Nos équipes ont pour vocation d’accompagner le développement de nouveaux outils de caractérisation pour anticiper les besoins industriels (notamment autour des futurs nœuds technologiques). Ainsi, des travaux pionniers ont été réalisés autour du CD-SAXS sur la PFNC ces dernières années. Cette technique de diffusion/diffraction des rayons X permet de mesurer avec une précision sub-nanométrique les dimensions des nano-structures gravées dans les salles blanches du LETI. Dans le cadre de ce projet, nous proposons d’étendre l’approche CD-SAXS en utilisant les récents développements autour des sources basse-énergie de laboratoire (A. Lhuillier et al. 1988, prix Nobel 2023) appelées High Harmonics Generation (HHG) sources. Votre rôle sera de mettre en place les outils d'analyse spécifiques au développement de l’approche CD-SAXS à basse énergie. La première preuve de concept a été réalisée en Novembre 2023.
Mission:
Afin de prendre en compte dans la réduction de données les spécificités de cette nouvelle approche (multi longueur d'onde, basse énergie…), votre mission se concentrera sur plusieurs tâches:
- Développer différents outils numériques pour le traitement de données :
o Simulations éléments finis avec solver Maxwell
o Transformée de Fourier analytique (similaire au CD-SAXS)vs théorie dynamique
o Comparaison des différentes approches de simulations
- Construire et tester des modèles dédiés aux problématiques en lithographie(CD, overlay, rugosité)
- Définir les limitations de la technique par des simulations (notamment la résolution spatiale, les incertitudes de mesures);
Ce travail viendra compléter le développement expérimental de mesures de CD-SAXS avec une source de laboratoire HHG réalisée en parallèle par un postdoctorant.
Etude thermomécanique des hétérostructures en fonction des conditions de collage
Pour de nombreuses applications industrielles, l'assemblage de plusieurs structures est l'une des étapes clés du processus de fabrication. Cependant, ces étapes sont généralement difficiles à réaliser, car elles conduisent à des augmentations significatives des déformations. La maîtrise des contraintes générées par les hétérostructures est donc impérative. Nous proposons d'aborder ce sujet en utilisant à la fois des méthodes expérimentale et des outils de simulation afin de prédire et d'anticiper les problèmes dus aux fortes déformations
Analyse de surface avancée des materiaux ferroélectriques pour des applications mémoire
Le CEA-Leti possède un solide historique en matière de technologie de la mémoire. Ce projet de doctorat contribuera au développement de dispositifs ferroélectriques à base de HfO2. L'un des principaux défis consiste à stabiliser la phase orthorhombique tout en réduisant l'épaisseur du film et le budget thermique. Pour comprendre les mécanismes en jeu, une nouvelle méthode de préparation d'échantillons sera adaptée d'un projet de doctorat précédent et développée pour être utilisée sur des mémoires ferroélectriques. Cette méthode consiste à créer une coupe en biseau qui expose toute l'épaisseur du film, le rendant accessible par plusieurs techniques (XPS, TOF-SIMS, SPM) sur la même zone. Cela permettra de corréler les mesures compositionnelles et chimiques avec les propriétés électriques. Le chauffage et la polarisation à l'intérieur d'instruments de caractérisation de surface avancés (TOF-SIMS, XPS) fourniront des informations sur la manière dont les performances des dispositifs sont affectées par les changements compositionnels et chimiques.
Vous avez de bonnes compétences expérimentales et êtes intéressé par les instruments d'analyse de surface de pointe. Vous aimez travailler en équipe et aurez la possibilité d'interagir avec des experts dans un large éventail de techniques sur la plateforme de nanocaractérisation, y compris le traitement avancé des données numériques. Des compétences en programmation avec Python ou un langage similaire sont un atout.
Caractérisation chimique 3D de dispositifs ePCM par tomographie STEM-EDX et intelligence artificielle
Cette thèse s'inscrit dans le contexte du progrès récent de la technologie des mémoires à changement de phase dans les applications embarquées (ePCM). La miniaturisation des ePCM pour des nœuds inférieurs à 18nm pose de nombreux défis non seulement dans la fabrication, mais aussi dans la caractérisation physico-chimique de ces dispositifs. L'objectif du projet est d'étudier les phénomènes de ségrégation chimique et de cristallisation en 3D dans les nouveaux alliages PCM intégrés dans des dispositifs ePCM planaires et verticaux, en utilisant la tomographie électronique en mode STEM-EDX (et 4D-STEM). Compte tenu de l'extrême miniaturisation et de la géométrie complexe des dispositifs, l'accent sera mis sur l'optimisation des conditions expérimentales et sur l'application de techniques de machine learning et d'apprentissage profond pour améliorer la qualité et la fiabilité des résultats 3D obtenus. Une corrélation avec le comportement électrique du dispositif sera effectuée pour mieux comprendre les phénomènes à l'origine des défaillances après endurance et après perte de données à haute température.
Un TEM NeoARM Cold-FEG corrigé par sonde (60kV-200kV) sera utilisé pour l'acquisition des données tomographiques. Il est équipé de deux détecteurs SSD à grand angle solide (JEOL Centurio), d'un filtre en énergie CEOS (CEFID) et d'une caméra à détection directe (Timepix3). Le candidat aura également accès aux codes Python développés en interne ainsi qu'aux ressources informatiques nécessaires pour effectuer l'analyse des données spectrales et tomographiques.
Diffusion des rayons X assistée par Intelligence Artificielle : le problème de la représentativité des bases de données synthétiques et de l’indiscernabilité des prédictions.
L’avènement de l’intelligence artificielle rend envisageable l’accélération et la démocratisation du traitement de données de diffusion des rayons X aux petits angles (SAXS), une technique experte de caractérisation de nanomatériaux qui permet de déterminer la surface spécifique, la fraction volumique et les tailles caractéristiques de structures entre 0.5 à 200 nm.
Or, il y a une double problématique autour du SAXS assisté par Intelligence artificielle : 1) la rareté des données impose d’entraîner les modèles sur des données synthétiques, ce qui pose le problème de leur représentativité des données réelles, et 2) les lois de la physique stipulent qu’à une mesure de SAXS peuvent correspondre plusieurs nanostructures candidates, ce qui pose le problème de l’indiscernabilité des prédictions. Cette thèse vise donc à bâtir un modèle d’intelligence artificielle adapté au SAXS entraîné sur des données synthétiques validées expérimentalement, et sur la réponse experte qui pondère la catégorisation des prédictions par leur indiscernabilité.