Accélération des calculs de densité électronique par apprentissage automatique
La théorie de la fonctionnelle de la densité dans le formalisme de Kohn-Sham (DFT) est l’une des méthodes les plus répandues pour simuler les propriétés microscopiques en physique et en chimie du solide. Son principal avantage réside dans sa capacité à trouver un équilibre favorable entre précision et coût de calcul. L’évolution continue des techniques numériques, de plus en plus efficaces, a constamment élargi la portée de son applicabilité.
Parmi ces techniques qui peuvent être associées à la DFT, l’apprentissage automatique est de plus en plus utilisé. Aujourd’hui, une application très répandue consiste à produire des potentiels capables de prédire les interactions entre les atomes en utilisant des modèles d’apprentissage supervisés, s’appuyant sur des propriétés produites en DFT.
L’objectif du projet proposé dans le cadre de cette thèse est d’utiliser les techniques d’apprentissage automatique à un niveau approfondi, notamment pour prédire la densité électronique dans les cristaux ou les molécules. Comparativement à la prédiction de propriétés telles que les forces entre atomes, calculer la densité électronique pose des difficultés : la densité électronique est de haute dimension puisqu’elle doit être calculée dans tout l’espace ; ses caractéristiques sont très variables d’un matériau à l’autre (métaux, isolants, transferts de charge…). Au final, cela peut représenter un coût de calcul non négligeable. Il existe plusieurs options pour réduire la dimensionnalité de la densité électronique, comme le calcul de projections ou l’utilisation de fonctions de localisation.
L’enjeu final de ce projet est de pouvoir prédire, avec la meilleure précision possible, la densité électronique, afin de l’utiliser comme base de prédiction ou point de départ pour des calculs de propriétés spécifiques aux électrons (magnétisme, structure de bandes, par exemple).
Dans un premier temps, le/la candidat·e pourra implémenter des méthodes récemment proposées dans la littérature ; dans une seconde partie de la thèse, il faudra proposer des idées nouvelles. Enfin, la méthode implémentée sera utilisée pour accélérer la prédiction de propriétés de systèmes de grande taille et impliquant des transferts de charge, comme la migration de défauts dans les cristaux.
Modélisation automatique de variations du langage pour des agents conversationnels socialement interactifs
Les agents conversationnels, de plus en plus présents autour de nous grâce aux avancées en traitement automatique du langage naturel et en intelligence artificielle, suscitent un intérêt croissant. Toutefois, leur capacité à comprendre la communication humaine dans toute sa complexité reste un défi. Cette thèse vise à modéliser les variations linguistiques pour développer des agents capables d’interactions socialement adaptées, prenant en compte le profil socio-démographique et l’état émotionnel des interlocuteurs. Elle s'intéresse également à l’évaluation de différents indices linguistiques, à l’exploitation des formes orales et écrites du langage, et à la généralisation des modèles à partir de données multilingues et multi-situationnelles afin de mieux modéliser les interactions avec les agents conversationnels.
Généralisation compositionnelle des modèles de langage multimodaux
L’avènement des modèles de fondation a permis d’améliorer les performances dans plusieurs domaines de l’IA, en particulier en vision par ordinateur et traitement du langage naturel. Cependant, malgré l’énorme quantité de données utilisées pour les entrainer, ces modèles sont encore limités dans leur capacité à généraliser, en particulier dans un domaine spécifique, mal représenté sur le Web. Une modélisation de ce problème est la généralisation compositionnelle, c’est-à-dire la capacité d’apprendre à démêler les concepts pendant l’entrainement et à les recombiner dans une composition inédite lors de la phase de production/test. La thèse abordera cette
question, en visant à proposer des représentations visuelles qui permettent aux grands modèles génériques de langage visuel de généraliser la composition dans des domaines spécifiques. Elle étudiera des stratégies visant à réduire l’apprentissage de "raccourcis" artificiels, en favorisant une compréhension plus profonde des structures de composition dans les données multimodales. Elle abordera également le problème de la généralisation de la composition au-delà des simples paires attribut-objet, en saisissant une sémantique plus subtile et plus complexe. La thèse proposée vise des avancées à un niveau assez amont, mais présente de nombreux intérêts pratiques potentiels dans les domaines de la santé, de l’administration et des services, de la sécurité et de la défense, de l’industrie manufacturière et de l’agriculture.
Vers une simulation temps réel des scènes thermiques dans un tokamak en support aux opérations plasma
Le contrôle des températures de surface et des flux de chaleur des parois des centrales de fusion nucléaire est essentiel pour le bon fonctionnement des machines de fusion. Pour fiabiliser ces mesures, notamment par imagerie infrarouge, le CEA développe un jumeau numérique capable de modéliser l'ensemble de la chaîne de mesure infrarouge (IR), de la source thermique au capteur.
L'objectif de cette thèse est de créer un modèle thermique permettant de prédire les flux de chaleur et les températures de surface sur l'ensemble des parois de la machine, avec une visée de calcul en temps réel. Cette approche repose sur deux développements clés :
1)Développement d'une méthode statistique de type Monte Carlo : cette méthode permettra de résoudre l'équation de la chaleur sur de grandes géométries dans un environnement complexe, incluant une diversité de sources de chaleur et de matériaux.
2)Accélération des calculs sur carte graphique (GPU) : Utilisation de l'environnement Kokkos pour optimiser les performances des calculs, tout en assurant la portabilité sur toutes les plateformes de calcul haute performance (HPC).
Ces développements seront validés et évalués quantitativement sur deux plateformes expérimentales: le banc de test en laboratoire MAGRYT et le tokamak WEST, utilisé comme machine démonstrateur. La thèse sera réalisée dans un cadre collaboratif entre le CEA/DRF/IRFM et le CEA/DES/ISAS. Les développements seront intégrés dans le jumeau numérique IR du CEA/IRFM pour les machines de fusion et dans une application dédiée au lancer de rayons pour le CEA/DES.
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.
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.