Topic description
Dans nos études sur les dispositifs de puissance SiC, l'analyse des performances électriques sur les diodes doit prendre en compte l'impact des défauts dans le matériau au niveau de l'épitaxie et du substrat.
Dans un premier temps, le travail de thèse consistera à mettre en place des outils dédiés à nos besoins dans l’équipe SiC. Le cahier des charges de ces outils a d’ailleurs déjà été établi dans le cadre du stage actuellement en cours au sein du laboratoire LAPS. Ces outils d’IA vont pouvoir être entrainés sur des jeux de données déjà existants (lots diode SiC : avec data électriques, mappings de défauts) et compléter les analyses précédemment réalisées en « manuel ».
Dans un second temps l’utilisation des outils développés sera appliquée aux nouveaux lots fabriqués et caractérisés. L’éventail de données sera alors complété en considérant des nouvelles architectures de composants (diodes ET MOSFET de puissance), des nouvelles caractérisations des matériaux (carac. défauts issus d’autres outils en cours d’installation au Leti, voire avec des collaborateurs extérieurs : cf Ligne Pilot WBG, cf Soitec), des nouvelles entrées (images de défectivité, obtenues durant la fabrication des composants).
Notons que la démarche s'applique i) dans le cas de la puissance aux autres matériaux (GaN, diamant, Ga2O3...), ii) aussi potentiellement à toute filière de composants sur semiconducteur (mémoire, transistor, photonique, quantique...).
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
In our past studies on SiC power devices, the analysis of electrical performances on diodes [1] (idem for future MOSFETs) must take into account the impact of material's defects at the epitaxy and substrate level.
Initially, the thesis work will consist of setting up tools dedicated to our needs in the SiC team. The specifications for these tools have already been established as part of the internship currently underway within the LAPS laboratory. These AI tools will be able to be trained on already existing datasets (SiC diode batches: with electrical data, defect mappings) and complete the previous manually carried out analyses.
In a second phase, the use of the developed tools will be applied to new manufactured and characterized batches. The range of data will then be completed by considering new component architectures (diodes and power MOSFETs), new material characterizations (defects characterization from other tools being installed at Leti, or even with external collaborators: see Line Pilot WBG, see Soitec), new entries (images of defectivity, obtained during the components fabrication in the clean rooms).
Note that the approach applies i) in the case of power to other materials (GaN, diamond, Ga2O3...), ii) also potentially to any component on semiconductor (memory, transistor, photonic, quantum...).
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Pôle fr : Direction de la Recherche Technologique
Pôle en : Technological Research
Département : Département Composants Silicium (LETI)
Service : Service Intégrations et Technologies pour les conversions d'énergies
Laboratoire : Laboratoire des composants de Puissance à Semiconducteur
Date de début souhaitée : 01-10-
URL :
Funding category
Public/private mixed funding
Funding further details
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.