Pause
Lecture
Moteur de recherche d'offres d'emploi CEA

Caractérisation chimique 3D de dispositifs ePCM par tomographie STEM-EDX et intelligence artificielle


Détail de l'offre

Informations générales

Entité de rattachement

Le CEA est un acteur majeur de la recherche, au service des citoyens, de l'économie et de l'Etat.

Il apporte des solutions concrètes à leurs besoins dans quatre domaines principaux : transition énergétique, transition numérique, technologies pour la médecine du futur, défense et sécurité sur un socle de recherche fondamentale. Le CEA s'engage depuis plus de 75 ans au service de la souveraineté scientifique, technologique et industrielle de la France et de l'Europe pour un présent et un avenir mieux maîtrisés et plus sûrs.

Implanté au cœur des territoires équipés de très grandes infrastructures de recherche, le CEA dispose d'un large éventail de partenaires académiques et industriels en France, en Europe et à l'international.

Les 20 000 collaboratrices et collaborateurs du CEA partagent trois valeurs fondamentales :

• La conscience des responsabilités
• La coopération
• La curiosité
  

Référence

SL-DRT-25-0555  

Direction

DRT

Description du sujet de thèse

Domaine

Défis technologiques

Sujets de thèse

Caractérisation chimique 3D de dispositifs ePCM par tomographie STEM-EDX et intelligence artificielle

Contrat

Thèse

Description de l'offre

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.

Université / école doctorale

Electronique, Electrotechnique, Automatique, Traitement du Signal (EEATS)
Université Grenoble Alpes

Localisation du sujet de thèse

Site

Grenoble

Critères candidat

Formation recommandée

Master degree in Physics/Materials Science with a strong background in image analysis and/or electron microscopy

Demandeur

Disponibilité du poste

01/09/2025

Personne à contacter par le candidat

SAGHI Zineb zineb.saghi@cea.fr
CEA
DRT/DPFT/SMCP/L2MD
Commissariat à l’énergie atomique et aux énergies alternatives
MINATEC Campus | 17 rue des martyrs | F-38054 Grenoble Cedex

0438784870

Tuteur / Responsable de thèse

NAVARRO Gabriele gabriele.navarro@cea.fr
CEA
DRT/DCOS/S3C/LDMC
17 rue des martyres
38054 Grenoble cedex 9
+33 4 38 78 60 96

En savoir plus

https://scholar.google.com/citations?hl=en&user=FM5sFZ4AAAAJ&view_op=list_works&sortby=pubdate

https://www.sciencedirect.com/science/article/pii/S0304399121000772?via%3Dihub