Thesis CIFRE : HBT parameter extraction using Machine Learning M/F
STMicroelectronics
Crolles, France
il y a 3j

Job description

Contexte : Le développement de nouvelles technologies BiCMOS, pour lesquelles STM est un des leaders mondiaux, nécessite une amélioration constante des performances des transistors bipolaires à hétérojonction (HBT).

Définir les caractéristiques physiques (profils de dopage, profondeurs de jonctions ) en une dimension (1D) du transistor au début du développement permettrait de réduire le nombre d’itérations nécessaires afin d’obtenir les performances requises et donc améliorer le temps de mise sur le marché d’une nouvelle technologie.

Au vu de la complexité croissante de la modélisation de tels transistors, l’opportunité qu’offre les outils de Machine Learning (ML) semble être une approche prometteuse.

En effet, l’utilisation d’alliage SiGe ainsi que l’introduction de carbone génère une incertitude sur les caractéristiques électriques du composant lors de simulations TCAD.

Les outils de simulation basés sur la résolution des équations de Boltzmann pour le transport électronique (TBE) tel que le SHE (Spherical Harmonique Extention) ou le MC (Monte Carlo) sont très difficiles en mettre en place et nécessite des capacités numériques importantes.

Afin de palier a ces limitations, la voix émergente de l’apprentissage automatique semble prometteuse.

Rattaché(e) à Nicolas Guitard et intégré(e) au sein de l’équipe MS&B (Mixed Signal & BiCMOS), à STM Crolles. L’étudiant fera partie de l’équipe TCAD et sera amené à interagir avec les équipes de modélisation dans une ambiance de travail sérieuse et décontractée.

L’étudiant(e) devra être autonome dans le développement de ces connaissances sur le sujet du ML, et pourra s’appuyer sur l’expertise TCAD et physique du semiconducteur de ses encadrants.

Votre mission consiste à définir et mettre en place une méthodologie permettant de trouver les caractéristiques physiques 1D d’un transistor bipolaire à partir de ses caractéristiques électriques.

Il vous sera demandé dans un premier temps de vous imprégner du sujet et d’effectuer une recherche bibliographique sur le sujet de l’apprentissage automatique.

Dans un deuxième temps, mettre en place la méthodologie sélectionnée et la valider avec un exemple connu, afin de d’analyser les points forts et les points faibles de cette dernière.

Le point important pour l’apprentissage automatique est la taille de la base de données utilise lors de l’apprentissage.

Cette dernière peut être générée de façon automatique et massive grâce aux outils de simulation TCAD. Cette base de données sera néanmoins entachée des erreurs de simulation actuelles de ces outils qui ne résolve pas les équations de transport réelles.

Il sera néanmoins envisageable de développer la méthodologie d’apprentissage automatique afin de l’appliquer dans un deuxième temps sur une base de données issue de mesures ou de simulations ab-initio.

Profile

Liste des compétences :

  • Obligatoires (sérieux(se), Machine Learning programmation, méthode d’optimisation, Python, Linux), indépendant(e)
  • Souhaitées / négociables (C++, impliqué(e), Librairies Scientifiques (SciPy)), Physique du Semiconducteur
  • Niveau d’anglais : bon niveau de lecture pour faciliter la recherche bibliographique

    Candidate criteria

    Education level required

    5 - Master degree

    Experience level required

    Languages

  • French (3- Advanced)
  • English (2- Business fluent)
  • 01 / 09 / 2020

    Signaler cette offre d'emploi
    checkmark

    Thank you for reporting this job!

    Your feedback will help us improve the quality of our services.

    Postuler
    Mon email
    En cliquant sur « Continuer », je consens au traitement de mes données et à recevoir des alertes email, tel que détaillé dans la Politique de confidentialité de neuvoo. Je peux retirer mon consentement ou me désinscrire à tout moment.
    Continuer
    Formulaire de candidature