Vers un contact de base haute performance pour le transistor HBT InP pour l’application 6G
Rejoignez le CEA LETI pour un voyage technologique passionnant ! Plongez dans le monde des transistors à base de III V
intégrés sur des circuits CMOS compatibles pour les communications 6 G du futur. Cette thèse offre l'opportunité de travailler sur un projet ambitieux,si vous êtes curieux, innovant et avide de défis, cette opportunité est parfaite pour vous !
Alors que la consommation de contenu numérique continue de croître, les systèmes de communication 6 G devront trouver plus de capacité pour supporter l'augmentation du trafic. Les nouveaux systèmes basés sur des fréquences inférieures à THZ offrent une énorme possibilité d'augmenter le débit de données, mais ils sont très difficiles à construire et à mettre au point. La construction et la maturation de l'amplificateur de puissance nécessaire à la transmission d'un signal constituent un défi de taille.
L'amplificateur de puissance nécessaire pour transmettre un signal devra offrir une puissance et une efficacité énergétique suffisantes, ce qui n'est pas possible avec la technologie actuelle sur silicium. Les HBT (transistors bipolaires à hétérojonction) à base d'InP développés sur des plateformes silicium ont l'avantage de pouvoir être utilisés dans les systèmes à base de silicium sur ded substrats silicium de grande taille ont le potentiel de répondre aux exigences et d'être intégrés aussi près que possible de la technologie CMOS afin de minimiser les pertes de système/interconnexion.
Les semi-conducteurs à base de Sb pour les transistors HBT GaAsSb apparaissent comme des matériaux très prometteurs,
pour ses propriétés électriques afin d'intégrer la couche de base du transistor Il est donc nécessaire de produire des contacts électriques de haute performance sur ce type de semi-conducteur, tout en restant compatible avec la fabrication de la couche de base du transistor, tout en restant compatible avec les processus de fabrication des plates-formes technologiques Si Fab et les plates-formes technologiques Si Fab
Cette thèse vous permettra d'acquérir un large éventail de connaissances, de bénéficier de l'environnement technologique riche de la salle blanche de 300 et 200 mm et de la caractérisation nanométrique. Vous collaborerez avec des équipes pluridisciplinaires pour développer une compréhension approfondie des contacts ohmiques et analyser les mesures effectuées.
Plusieurs aspects du couple métal-semi-conducteur, Ni ou Ti sur p GaAs), ou Ni ou Ti p GaAsSb seront étudiés:
-Identifier les solutions humides et plasma permettant l'élimination de l'oxyde natif GaAsSb sans endommager la surface.
-Caractériser le niveau de dopage de l'épitaxie GaAs et GaAsSb (effet Hall, SIMS, TEM).
-Comprendre la séquence de phases pendant le recuit entre le semi-conducteur et le métal avec XRD et Tof SIMS.
Gérer la formation des alliages intermétalliques pour ne pas détériorer l'interface de contact (observations TEM).
-Évaluer les propriétés électriques du contact à l'aide de structures TLM, de la résistivité spécifique du contact, la résistance de couche du semi-conducteur et de la longueur de transfert. L'étudiant sera une force motrice pour effectuer des tests électriques sur les équipements de mesure.
Architecture pour système embarquée de Cartographie Automatisée et Fiabilisée d’installations indoor
Les travaux de recherche proposés s’intéressent à la localisation en 3D des données issues de mesures à l’intérieur de bâtiments, où les systèmes de localisation satellitaires, tels que le GPS, ne sont pas opérationnels. Différentes solutions existent dans la littérature, elles s’appuient notamment sur l’utilisation d’algorithmes de type SLAM (Simultaneous Localization And Mapping), mais la reconstruction 3D est généralement effectuée a posteriori. Afin de pouvoir proposer ce type d’approche pour des systèmes embarqués, une première thèse a été menée et a conduit au choix des algorithmes à embarquer et à une ébauche de l’architecture électronique. Une première preuve de concept a également été mise en œuvre. Dans la continuité de ces travaux, la thèse devra proposer une méthode permettant au dispositif de localisation d’être facilement embarqué sur une large gamme d’équipements de mesure nucléaire (radiamètre, contaminamètre, spectrométrie portable…). Les travaux ne se limitent pas à une simple phase d’intégration, ils nécessitent en effet une exploration architecturale qui reposera sur des approches d’Adéquation Algorithme Architecture (AAA). Ces approches permettront de respecter différents critères, tel que poids et encombrement faible pour ne pas compromettre l’ergonomie pour les opérateurs réalisant les cartographies et qualité de la reconstruction pour assurer la fiabilité des données d’entrée pour les modèles du Jumeau Numérique.
Réseaux de neurones bayésiens avec transistors à effet de champ à mémoire ferroélectrique (FeMFETs)
De plus en plus de systèmes critiques pour la sécurité reposent sur des fonctions d’intelligence artificielle (IA) qui exigent des capacités de calcul robustes et économe en énergie, souvent dans des environnements marqués par une rareté des données et une forte incertitude. Cependant, les approches traditionnelles de l’IA peinent à quantifier la confiance associée à leurs prédictions, ce qui les rend vulnérables à des décisions peu fiables, voire dangereuses.
Cette thèse s’inscrit dans le domaine émergent de l’électronique bayésienne, qui exploite l’aléa intrinsèque de nanodispositifs innovants pour effectuer des calculs bayésiens directement au niveau du matériel. En encodant les distributions de probabilité au sein même du hardware, ces dispositifs permettent une estimation naturelle de l’incertitude, tout en réduisant la complexité computationnelle par rapport aux architectures déterministes classiques.
Des travaux antérieurs ont déjà démontré le potentiel des memristors pour l’inférence bayésienne. Cependant, leur endurance limitée et leur consommation énergétique élevée lors de la programmation représentent des obstacles majeurs à l’apprentissage embarqué sur puce.
Dans cette thèse, il est proposé d’exploiter des composants mémoires emergents ferroelectric memory field-effect transistors (FeMFETs) pour l’implémentation de réseau de neurones bayésiens.
Dynamique d’une pompe à chaleur à très haute température couplée à un stockage thermique. Etude expérimentale et numérique.
Dans le cadre d'un mix électrique avec une forte proportion de sources d'énergie renouvelables, les solutions de stockage massif d’énergie présentent un intérêt grandissant. Pour la très grande majorité de ces solutions, l’électricité est transformée en une énergie stockable à grande échelle (par exemple en énergie de pression, en énergie chimique ou électrochimique, etc … ), puis reconvertie en électricité. Au cours de chacune de ces étapes (conversion, stockage) des pertes se produisent ; en conséquence le rendement du système complet est un enjeu important et nécessite une bonne connaissance de chaque étape de conversion et de stockage.
Le système innovant que l’on cherche à étudier est celui d’une batterie de Carnot, c’est-à-dire une batterie thermique associée à des cycles thermodynamiques de conversion (énergie électrique -> énergie thermique -> énergie électrique). Les avantages anticipés sont nombreux : la possibilité d'intégrer des flux thermiques de récupération, l’absence de contrainte géographique, l’utilisation de matériaux de stockage bon marché et peu polluants… Les points durs identifiés sont le manque de réactivité (pour respecter certaines contraintes imposées par la gestion du réseau électrique) et le rendement global.
Le travail de recherche proposé dans cette thèse se concentre sur le cycle de charge (pompe à chaleur à très haute température) et son couplage avec le stockage thermique dans une vision d’abord statique puis dynamique. Soulignons que la pompe à chaleur seule fait également partie des solutions de première importance pour décarboner des procédés industriels en substituant des sources renouvelables ou de récupération aux sources d’origine fossile.
Transistor à effet de champ à canal oxyde semi-conducteur: fonctions synaptiques multi-niveaux et neurones analogiques
Cette thèse passionnante vous invite à plonger au cœur d’un domaine révolutionnaire : les neurones et synapses basés sur des transistors 2T0C (Deux Transistors, Zéro Condensateur) de type BEOL FET (Back-End-Of-Line Field Effect Transistor), une approche innovante qui pourrait transformer l’informatique neuromorphique.
En tant que doctorant, vous serez à l’avant-garde de la recherche, à l’interface entre technologies avancées des semi-conducteurs et architectures inspirées du cerveau. Vous explorerez comment ces circuits neuronaux innovants peuvent reproduire les fonctions synaptiques et améliorer l’efficacité du traitement de l’information.
Tout au long de ce projet, vous serez impliqué dans la conception et la caractérisation expérimentale de circuits neuronaux 2T0C de dernière génération, en utilisant des outils et techniques à la pointe de la technologie.
Vous collaborerez avec une équipe dynamique et pluridisciplinaire d’ingénieurs et de chercheurs, pour relever des défis passionnants liés aux performances des dispositifs et à l’optimisation énergétique.
Votre travail inclura une caractérisation approfondie des dispositifs et circuits BEOL FET. Vous aurez l’opportunité de proposer, spécifier et concevoir de nouvelles architectures de lecture mémoire, permettant d’explorer des comportements synaptiques multi-niveaux en vue de la mise en œuvre de systèmes neuromorphiques de nouvelle génération, plus compacts et plus économes en énergie.
Rejoignez-nous pour cette opportunité unique de repousser les limites de la technologie et de participer à une aventure scientifique capable de redéfinir le futur de l’informatique ! Vos contributions pourraient ouvrir la voie à des avancées majeures dans les systèmes inspirés du cerveau et laisser une empreinte durable dans ce domaine en pleine expansion.
Filtres RF supraconducteurs pour applications quantiques
Au sein du Laboratoire de Dispositifs Quantiques, vous travaillerez dans un environnement allant de la physique fondamentale aux nouvelles technologies de la nano-électronique, avec une équipe qui collabore étroitement avec les startups de l’informatique quantique et les physiciens du CEA-IRIG et de l’Institut Néel.
Les conditions de fonctionnement des qubits (températures cryogéniques <= 1K, hautes fréquences de l’ordre du GHz, forte densité de signaux) nécessitent le développement de composants et de briques technologiques adaptés. En particulier, les composants radiofréquences passifs développés autour de la technologie d'interposeur supraconducteur du CEA-LETI montrent des propriétés électriques extrêmement intéressantes jusqu’à plusieurs GHz. Ces éléments, avec notamment des inductances disponibles sur de larges plages de valeurs, ont déjà permis d’établir des premières preuves de concept de filtres RF très compacts et à faibles pertes. L’intégration des matériaux supraconducteurs permet aujourd’hui d'envisager la réalisation de nouveaux filtres très performants et adaptés à la gestion des signaux en environnement cryogénique.
Vous serez amené à développer votre expertise sur la physique des matériaux et des composants supraconducteurs. Vous étudierez les différents filtres supraconducteurs existant dans la littérature scientifique. En utilisant les modèles développés au laboratoire et la simulation électromagnétique RF 3D, et en vous appuyant sur les résultats des mesures RF auxquelles vous participerez, vous contribuerez à la conception de différents filtres et fonctions RF répondant aux besoins des applications en environnement cryogénique.
Synapses hybrides 3D pour une IA embarquée frugale et adaptative
Rejoignez le CEA Leti pour une aventure technologique passionnante ! Plongez dans l’univers des mémoires FeFET et des circuits intégrés conçus pour l’intelligence artificielle. Cette thèse offre l’opportunité de travailler sur un projet innovant. Si vous êtes curieux, créatif et en quête de défis, cette opportunité est faite pour vous !
Avec le développement de l’Internet des Objets (IoT) et de l’IA, l’afflux massif de données nécessite des systèmes de calcul toujours plus économes en énergie. Dans ce contexte, le calcul en mémoire ou proche de la mémoire (in/near memory computing – IMC) présente un fort potentiel.
Face aux besoins de traitement massif de données de l’IA, les mémoires non volatiles deviennent essentielles à la fois pour le stockage et le calcul. La mémoire FeFET s’impose comme une candidate très prometteuse, en particulier grâce aux technologies 3D qui permettent une densité d’intégration plus élevée.
Au cours de cette thèse, vous étudierez, concevrez et testerez des circuits et systèmes basés sur la mémoire FeFET pour des applications d’intelligence artificielle, en utilisant des approches de calcul en mémoire. Vous acquerrez une large palette de compétences allant des procédés en microélectronique à la conception analogique intégrée, en passant par les technologies d’intégration 3D, tout en répondant aux exigences spécifiques des algorithmes d’IA.
Vous collaborerez avec des équipes pluridisciplinaires pour approfondir votre compréhension des dispositifs mémoire et analyser les mesures existantes. Vous intégrerez également un laboratoire de conception intégré, aux côtés d’une équipe composée de 2 à 3 chercheurs permanents et de 1 à 3 étudiants, explorant un large éventail d’applications de recherche.
Effets électroniques dans les cascades de collisions dans le GaN
Dans les environnements radiatifs tels que l'espace et les installations nucléaires, les composants microélectroniques sont soumis à des
flux intenses de particules qui détériorent leur fonctionnement en dégradant les matériaux les constituant. Les particules entrent en
collision avec des atomes dans les matériaux semi-conducteurs, leur cèdent une partie de leur énergie cinétique et les éjectent de
leur site cristallin. Les atomes éjectés vont à leur tour générer des collisions, formant une cascade de collisions qui conduira à la
création de défauts de déplacements. De plus, les particules chargées primaires ou secondaires (issues de l’interaction avec un
neutron par exemple) vont aussi interagir spécifiquement avec les électrons du réseau et leur céder une partie de leur énergie en générant des paires électron-trou. On parle de freinage électronique. Une simulation complète de cascade de collisions se doit donc d’intégrer
ces deux éléments : collisions avec les noyaux des atomes et effets électroniques.
La méthode de prédilection pour la simulation de cascades de collisions à l’échelle atomique est la dynamique moléculaire (DM).
Cependant, les effets électroniques ne sont pas inclus car la méthode ne traite pas explicitement les électrons. Pour pallier à ce
problème, des modules additionnels à la DM imitant le plus fidèlement possible les effets des électrons doivent être utilisés. L’état de
l’art en ce qui concerne la simulation du freinage électronique d’un projectile dans un solide est la méthode de la théorie de la
fonctionnelle de la densité dépendante du temps (TDDFT). L’objectif de cette thèse est de combiner DM et TDDFT pour réaliser des
simulations de cascades de collisions dans le GaN et étudier l’influence des effets électroniques. En plus de compétences transverses
communes à toute thèse, le/la candidat.e sera amené.e à développer des compétences dans plusieurs méthodes de modélisation
à l’échelle atomique, en physique du solide, en interactions particules-matière, en environnement linux ainsi qu’en programmation.
Solutions de refroidissement innovantes pour les systèmes électroniques 2.5D et 3D
Cette thèse passionnante vous invite à plonger au cœur d’un domaine révolutionnaire : les neurones et synapses basés sur des transistors 2T0C (Deux Transistors, Zéro Condensateur) de type BEOL FET (Back-End-Of-Line Field Effect Transistor), une approche innovante qui pourrait transformer l’informatique neuromorphique.
En tant que doctorant, vous serez à l’avant-garde de la recherche, à l’interface entre technologies avancées des semi-conducteurs et architectures inspirées du cerveau. Vous explorerez comment ces circuits neuronaux innovants peuvent reproduire les fonctions synaptiques et améliorer l’efficacité du traitement de l’information.
Tout au long de ce projet, vous serez impliqué dans la conception et la caractérisation expérimentale de circuits neuronaux 2T0C de dernière génération, en utilisant des outils et techniques à la pointe de la technologie.
Vous collaborerez avec une équipe dynamique et pluridisciplinaire d’ingénieurs et de chercheurs, pour relever des défis passionnants liés aux performances des dispositifs et à l’optimisation énergétique.
Votre travail inclura une caractérisation approfondie des dispositifs et circuits BEOL FET. Vous aurez l’opportunité de proposer, spécifier et concevoir de nouvelles architectures de lecture mémoire, permettant d’explorer des comportements synaptiques multi-niveaux en vue de la mise en œuvre de systèmes neuromorphiques de nouvelle génération, plus compacts et plus économes en énergie.
Rejoignez-nous pour cette opportunité unique de repousser les limites de la technologie et de participer à une aventure scientifique capable de redéfinir le futur de l’informatique ! Vos contributions pourraient ouvrir la voie à des avancées majeures dans les systèmes inspirés du cerveau et laisser une empreinte durable dans ce domaine en pleine expansion.
Modélisation physique des batteries à l'état solide exposées à des cycles longs et à des protocoles de charge rapide
Le CEA-Leti, leader dans le développement et la fabrication de batteries tout-solide, collabore avec InjectPower pour développer une solution d'alimentation innovante pour les dispositifs médicaux implantables miniaturisés. La technologie des batteries à couches minces est actuellement le meilleur choix pour fournir une densité d'énergie élevée et des sources d'énergie à facteur de forme personnalisable. Toutefois, malgré cet avantage, la perte de capacité en cyclage reste un point faible, l'objectif de 1 000 cycles et d'une perte de capacité inférieure à 10 % n'ayant pas encore été atteint. En outre, il manque une compréhension globale des mécanismes physiques à l'origine de la dégradation des performances des microbatteries.
Au cours de ce doctorat, vous contribuerez au développement et à l'amélioration de notre modèle physique, en vous concentrant sur la description précise du comportement des microbatteries pendant le cyclage et la charge rapide. Vous appliquerez également notre modèle bayésien d'apprentissage automatique basé sur des données physiques pour identifier les facteurs clés qui influencent les performances des batteries, y compris les protocoles de charge-décharge, les conditions de stockage et l'architecture du dispositif. L'entraînement et la validation du modèle seront basés sur des données collectées par des testeurs automatisés sur des plaques de silicium 200 mm contenant des milliers de microbatteries.