Topic description
L'intelligence artificielle (IA) actuelle est limitée par le « goulot d'étranglement de Von Neumann », où la séparation entre les unités de traitement et de mémoire entraîne une forte inefficacité énergétique. Le projet SYNEART (ANR-25-PEXD-) vise à résoudre ce problème en exploitant la physique des couches minces ferroélectriques relaxeurs afin de produire des dispositifs neuromorphiques. Comparés aux ferroélectriques conventionnels, les ferroélectriques relaxeurs se caractérisent par des nanorégions polaires et un paysage énergétique « plat », ce qui leur permet de présenter plusieurs états stables. Ils constituent donc des candidats idéaux pour la fabrication de synapses et neurones artificiels consommant beaucoup moins d'énergie que les technologies CMOS traditionnelles. Afin d'accélérer la découverte des meilleures combinaisons « composition/épaisseur/électrode », le projet utilise la synthèse à haut débit (Combinatorial Pulsed Laser Deposition - CPLD) ainsi qu'une caractérisation assistée par IA. Le ou la doctorant(e) contribuera spécifiquement à la caractérisation à haut débit accélérée par IA et à la compréhension fondamentale des solutions solides ferroélectriques relaxeurs. Les principaux objectifs sont :
Analyse à haut débit : des analyses par micro-spectroscopie Raman et microscopie HR-STEM/EELS-EDX seront réalisées sur des bibliothèques d'oxydes pérovskites à composition variable synthétisées par CPLD. Un intérêt particulier sera porté aux spectres enregistrés dans différentes géométries (règles de sélection Raman pour l'analyse de symétrie) ainsi qu'en fonction de la température. L'accent sera mis sur l'impact de la contrainte mécanique (strain) et de la composition sur la stabilité des phases ainsi que sur le comportement relaxeur versus ferroélectrique.
L'objectif est également de mettre en œuvre des analyses Raman et STEM in situ (sous champ électrique) et de corréler les modifications observées du réseau cristallin avec les dispositifs neuromorphiques étudiés par les membres du consortium. Cela permettra de mieux comprendre la compétition subtile entre les différentes phases ferroïques dans certaines zones spécifiques du diagramme de phase (frontières morphotropes de phase). L'étudiant(e) recruté(e) pourra s'appuyer sur l'expertise du LPMC et du SPMS dans le domaine de la croissance de couches minces, de la caractérisation par STEM/EELS-EDX et de l'analyse avancée de données Raman.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Current Artificial Intelligence (AI) is constrained by the Von Neumann bottleneck, where the separation of processing and memory units leads to massive energy inefficiency. The SYNEART project (ANR-25-PEXD-) aims to address this issue by leveraging the physics of relaxor ferroelectric thin films to produce neuromorphic devices. As compared to conventional ferroelectrics, relaxor ferroelectrics are characterized by polar nanoregions and a 'flat' energy landscape, which allows them to experience multiple stable states, making them ideal candidates for building artificial synapses and neurons with much lower power consumption than traditional CMOS technology. To accelerate the discovery of optimal 'composition/thickness/electrode' combinations, the project utilizes high-throughput synthesis (Combinatorial Pulsed Laser Deposition - CPLD) and AI-assisted characterization. The PhD student will specifically contribute to AI-accelerated high-throughput characterization and fundamental understanding of relaxor-ferroelectric solid solution. The primary objectives are:
- high-throughput analysis: micro Raman spectroscopy and High resolution STEM/EELS-EDX microscopy will be performed on compositional perovskite based oxide libraries synthesized by CPLD, with a special interest for spectra recorded in several geometries (Raman selection rules for symmetry analysis) and as a function of temperature. Efficient data handling workflows will be developed for the Raman mapping database and a focus will be made on how strain and composition impact phase stability and relaxor versus ferroelectric behavior. The objective is also to implement in-situ Raman and STEM analysis (under Electric Field) and correlate the observed crystal lattice changes to the Neuromorphic devices studied by members of the consortium. Knowledge will be therefore gained on the subtle competition between the different ferroic phases at special location of the phase diagram (morphotropic phase boundaries). The recruited student will be able to draw on the expertise of LPMC and SPMS in the field of thin film growth and STEM/EELS-EDX microscopy characterization and advanced Raman data analysis
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Début de la thèse : 01/10/
Funding category
Other public funding
Funding further details
ANR Financement d'Agences de financement de la recherche
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.