Qui sommes-nous ?
Espace utilisateur
Formation continue
Credit : L. Godart/CEA
D’un jour à plusieurs semaines, nos formations permettent une montée en compétence dans votre emploi ou accompagnent vers le retour à l’emploi. 
Conseil et accompagnement
Crédit : vgajic
Fort de plus de 60 ans d’expériences, l’INSTN accompagne les entreprises et organismes à différents stades de leurs projets de développement du capital humain.
Thèses
Accueil   /   Thèses   /   Nanoplaquettes de semi-conducteurs III-V

Nanoplaquettes de semi-conducteurs III-V

Défis technologiques Matériaux et procédés émergents pour les nanotechnologies et la microélectronique Matière ultra-divisée, physico-chimie des matériaux Physique de l’état condensé, chimie et nanosciences

Résumé du sujet

Les nanoplaquettes semi-conducteurs (NPLs) sont une classe de nanostructures bidimensionnelles qui possèdent des propriétés électroniques et optiques distinctes de celles des quantum dots sphériques (QDs). Ils présentent un confinement quantique fort dans une seule dimension, l'épaisseur, qui peut être contrôlée à la monocouche près par des méthodes de synthèse chimique en solution. De ce fait les NPLs émettent une lumière avec une largeur spectrale extrêmement étroite. En même temps, ils présentent un coefficient d’absorption très élevé. Ces propriétés en font des candidats idéals pour différentes applications (diodes électroluminescentes pour des écrans à consommation électrique réduite, photocatalyse, émetteurs à photons uniques, lasers,…).
Pour l’instant seule la synthèse de NPLs de chalcogénures de métaux est maîtrisée. Ces matériaux présentent soit des éléments toxiques (CdSe, HgTe, etc.) soit une grande largeur de bande interdite (ZnS, ZnSe). Pour ces raisons le développement des méthodes de synthèse pour des NPLs de semi-conducteurs III-V, tel que l’InP, InAs et InSb présente un grand enjeu. Dans cette thèse nous développerons des nouvelles approches synthétiques pour la croissance des NPLs d’InP, explorant différentes voies et utilisant des caractérisations in situ ainsi que la méthode de plans d’expérience assistée par machine learning. Des simulations numériques seront utilisées pour déterminer la réactivité des précurseurs et pour modéliser les mécanismes induisant la croissance anisotrope.

Laboratoire

Institut de Recherche Interdisciplinaire de Grenoble
DIESE
Top envelopegraduation-hatlicensebookuserusersmap-markercalendar-fullbubblecrossmenuarrow-down