Le cerveau humain est composé d’un grand nombre de réseaux neuraux interconnectés, dont les neurones et les synapses en sont les briques constitutives. Caractérisé par une faible consommation de puissance, de quelques Watts seulement, le cerveau humain est capable d’accomplir des tâches qui sont inaccessibles aux systèmes de calcul actuels, basés sur une architecture de type Von Neumann. La conception de systèmes neuromorphiques vise à réaliser une nouvelle génération de systèmes de calcul qui ne soit pas de type Von Neumann. L’utilisation de mémoire non-volatile innovantes en tant que synapses artificielles, pour application aux systèmes neuromorphiques, est donc étudiée dans cette thèse. Deux types de technologies de mémoires sont examinés : les mémoires à changement de phase (Phase-Change Memory, PCM) et les mémoires résistives à base d’oxyde (Oxide-based resistive Random Access Memory, OxRAM). L’utilisation des dispositifs PCM en tant que synapses de type binaire et probabiliste est étudiée pour l’extraction de motifs visuels complexes, en évaluant l’impact des conditions de programmation sur la consommation de puissance au niveau du système. Une nouvelle stratégie de programmation, qui permet de réduire l’impact du problème de la dérive de la résistance des dispositifs PCM est ensuite proposée. Il est démontré qu’en utilisant des dispositifs de tailles réduites, il est possible de diminuer la consommation énergétique du système. La variabilité des dispositifs OxRAM est ensuite évaluée expérimentalement par caractérisation électrique, en utilisant des méthodes statistiques, à la fois sur des dispositifs isolés et dans une matrice complète de mémoire. Un modèle qui permets de reproduire la variabilité depuis le niveau faiblement résistif jusqu’au niveau hautement résistif est ainsi développé. Une architecture de réseau de neurones de type convolutionnel est ensuite proposée sur la base de ces travaux éxperimentaux. La tolérance du circuit neuromorphique à la variabilité des OxRAM est enfin démontrée grâce à des tâches de reconnaissance de motifs visuels complexes, comme par exemple des caractères manuscrits ou des panneaux de signalisations routières. / The human brain is made of a large number of interconnected neural networks which are composed of neurons and synapses. With a low power consumption of only few Watts, the human brain is able to perform computational tasks that are out of reach for today’s computers, which are based on the Von Neumann architecture. Neuromorphic hardware design, taking inspiration from the human brain, aims to implement the next generation, non-Von Neumann computing systems. In this thesis, emerging non-volatile memory devices, specifically Phase-Change Memory (PCM) and Oxide-based resistive memory (OxRAM) devices, are studied as artificial synapses in neuromorphic systems. The use of PCM devices as binary probabilistic synapses is studied for complex visual pattern extraction applications, evaluating the impact of the PCM programming conditions on the system-level power consumption.A programming strategy is proposed to mitigate the impact of PCM resistance drift. It is shown that, using scaled devices, it is possible to reduce the synaptic power consumption. The OxRAM resistance variability is evaluated experimentally through electrical characterization, gathering statistics on both single memory cells and at array level. A model that allows to reproduce OxRAM variability from low to high resistance state is developed. An OxRAM-based convolutional neural network architecture is then proposed on the basis of this experimental work. By implementing the computation of convolution directly in memory, the Von Neumann bottleneck is avoided. Robustness to OxRAM variability is demonstrated with complex visual pattern recognition tasks such as handwritten characters and traffic signs recognition.

Ces travaux de thèse portent sur la caractérisation thermique à l’échelle micrométrique d’un alliage à base de tellure lorsque ce matériau se trouve à l’état fondu, à haute température. À cette fin, une cellule innovante d’emprisonnement du matériau fondu a été conçue, et mise en place. Des structures de tellure au volume du microlitre ont été déposées sur un substrat de silicium et recouverts par la suite d’une couche de protection capable de les emprisonner dans une matrice : silice amorphe et alumine amorphe. La technique de la Radiométrie Photothermique Modulée a été utilisée pour étudier les propriétés thermiques de ce type de cellules et de ces constituants. La résistance thermique de dépôt a été ainsi estimée en utilisant un modèle d’étude des transferts de la chaleur utilisant le formalisme des impédances thermiques. Ceci nous a permit dans le cas de l’alumine amorphe de déterminer sa conductivité thermique et la résistance thermique de contact avec le substrat jusqu’à 600°C. Un long processus de conception, de mesure et d’analyse a été nécessaire afin d’obtenir une cellule capable de résister aux contraintes des hautes températures. À l’heure actuelle seule la caractérisation thermique jusqu’à 300°C a été possible à cause de l’instabilité mécanique de ce dépôt hétérogène. Ceci a été confirmé par des caractérisations physico-chimiques par techniques XRR, XRD et SEM. / This thesis is devoted to the thermal characterization of molten materials, namely chalcogenide glass-type tellurium alloys, at the micrometer scale. An experimental setup of Photothermal Radiometry (PTR), formerly developed for solid state measurements, has been adapted for this purpose. Using MOCVD technique, a random lattice of sub-micrometric tellurium alloy structures is grown on a thermally oxidized silicon substrate. These structures are then embedded in a protective layer (silica or alumina) to prevent evaporation during melting. Measurements are then performed from room temperature up to 650°C. SEM and XRD measurements performed after annealing show that these samples withstand thermal stress only up to 300°C. The coating’s thermal boundary resistance is estimated by a heat transfer model based on the thermal impedance formalism. Moreover, the thermal conductivity and thermal boundary resistance of thin amorphous alumina by low temperature ALD are measured from the room temperature to 600°C.

Les mémoires à changement de phase (PRAM) développées par l’industrie de la microélectronique utilisent la capacité d’un materiau chalcogénure à passer rapidement et de façon réversible d’une phase amorphe à une phase cristalline. Le passage de la phase amorphe à la phase cristalline s’accompagne d’un changement de la résistance électrique du matériau. La transition amorphe vers cristallin est obtenue par un chauffage qui porte la cellule mémoires au delà de la température de transition du verre. Le verre ternaire de chalcogène Ge2Sb2Te5 (GST-225) est probablement le matériau amené à être le plus utilisé dans la prochaine génération de dispositifs de stockage de masse. La thermoréflectométrie résolue en temps (TDTR) et la radiométrie photothermique modulée (MPTR) sont utilisées ici pour étudier les propriétés thermiques des constituants des PRAM déposés sous forme de couche mince sur des substrats de silicium. Les diffusivités thermiques et les résistances thermiques de contact des films PRAM sont estimées. Ces paramètres sont identifiés en utilisant un modèle d’étude des transferts de chaleur basé sur la loi de Fourier et utilisant le formalisme des impédances thermiques. Ces mesures ont été effectuées pour des températures allant de 25 à 400°C. Les modifications de structure et de compositions chimiques causées par les hautes températures au cours des expériences sont aussi étudiées via des analyses par les techniques de DRX, MEB, TOF-SIMS et ellipsométrie.Les propriétés thermiques des GST - 225, isolants, électrodes de chauffage et électrodes métalliques mise en œuvre dans ce type de dispositif de stockage sont ainsi mesuré a l’échelle submicrométrique. / The Phase change Random Access Memories (PRAM), developed by semiconductor industry are based on rapid and reversible change from amorphous to crystalline stable phase of chalcogenide materials. The switching between the amorphous and the crystalline phase leads to change of the electrical resistance of material. The amorphous-to-crystalline transition is performed by heating the memory cell above the glass transition temperature (~130°C). The chalcogenide ternary compound glass Ge2Sb2Te5 (GST-225) is probably the candidate to become the most exploited material in the next generation of mass storage architectures. The Time Domain ThermoReflectance (TDTR) and the Modulated PhotoThermal Radiometry (MPTR) have been implemented to study the thermal properties of constituting element of PRAM deposited as thin layer (~100 nm) on silicon substrate. The thermal diffusivity and the Thermal Boundary Resistance of the PRAM film are retrieved. These parameters are identified using a model of heat transfer based on Fourier’s Law and the thermal impedance formalism. The measurements were performed in function of temperature from 25°C to 400°C. Structural and chemical changes due to the high temperature during the experimentation have been also investigated by using XRD, SEM, TOF-SIMS and ellipsometry techniques. The thermal properties of GST-225, insulator, heating and metallic electrode involved in these kind of storage devices were thus measured at a sub micrometric scale.

Les matériaux à changement de phase (PCM) sont utilisés pour la réalisation de mémoire non volatile. Ces matériaux possèdent la particularité de passer d’un état cristallin à un état amorphe à l’aide d’une impulsion de chaleur, créant ainsi un processus propre au stockage de l’information. Les PCMs sont généralement basés sur des composés ternaires de type Ge-Sb-Te (GST) avec une température de transition de l’ordre de 125°C, rendent ces matériaux inutilisable dans le domaine de l’automobile et pour des applications militaires. Pour contourner cette limitation, le GST est remplacé par le composé In-Sb-Te (IST) possèdent une température de transition plus élevé et un temps de transition beaucoup plus rapide (nanoseconde). Les propriétés thermiques de l’IST et de ses interfaces au sein de la cellule PCM peuvent influencer la température de transition. C’est pourquoi la mesure de la conductivité thermique nous donnera une estimation de la valeur de cette transition.Différentes techniques ont été misent en oeuvre pour mesurer la conductivité thermique des couches minces d’IST en fonction de la concentration en Te, à savoir ; la radiométrie photo-thermique modulée (MPTR) et la méthode 3ω dans une gamme de température allant de l’ambiant jusqu'à 550°C.Les résultats obtenus par les deux techniques de caractérisation thermiques démontrent que la conductivité thermique de l'IST diminue lorsque l'on augmente la teneur en Te. L'augmentation de la teneur en Te pourrait donc conduire à un alliage thermiquement plus résistif, qui est censé apporter l'avantage d'un flux de chaleur plus confiné et limiter la cross-talk thermique dans le dispositif de mémoire à changement de phase. / Phase change memories (PCM) are typically based on compounds of the Ge-Sb-Te (GST) ternary system. Nevertheless, a major drawback of PCM devices is the failure to fulfill automotive-level or military-grade requirements (125°C continuous operation), due to the low crystallization temperature of GST. To overcome this limitation, alloys belonging to the In-Sb-Te (IST) system have been proposed, which have demonstrated high crystallization temperature, and fast switching. Thermal properties of the chalcogenide alloy and of its interfaces within the PCM cell can influence the programming current, reliability and optimized scaling of PCM devices. The two methods, namely: 3ω and Modulated Photothermal Radiometry (MPTR) technique was implemented to measure the thermal conductivity of IST thin films as well as the thermal boundary resistance at the interface with other surrounding materials (a metal and a dielectric). The experiment was carried outin situ from room temperature up to 550oC in order to investigate the intrinsic thermal properties at different temperatures and the significant structural rearrangement upon the phase transition.The results obtained from the two thermal characterization techniques demonstrate that the thermal conductivity of IST decreases when increasing the Te content. Increasing the Te content could thus lead to a more thermally resistive alloy, which is expected to bring the advantage of a more confined heat flow and limiting the thermal cross-talk in the phase change memory device.

La recherche dans le domaine de l'informatique neuro-inspirée suscite beaucoup d'intérêt depuis quelques années. Avec des applications potentielles dans des domaines tels que le traitement de données à grande échelle, la robotique ou encore les systèmes autonomes intelligents pour ne citer qu'eux, des paradigmes de calcul bio-inspirés sont étudies pour la prochaine génération solutions informatiques (post-Moore, non-Von Neumann) ultra-basse consommation. Dans ce travail, nous discutons les rôles que les différentes technologies de mémoire résistive non-volatiles émergentes (RRAM), notamment (i) Phase Change Memory (PCM), (ii) Conductive-Bridge Memory (CBRAM) et de la mémoire basée sur une structure Metal-Oxide (OXRAM) peuvent jouer dans des dispositifs neuromorphiques dédies. Nous nous concentrons sur l'émulation des effets de plasticité synaptique comme la potentialisation à long terme (Long Term Potentiation, LTP), la dépression à long terme (Long Term Depression, LTD) et la théorie STDP (Spike-Timing Dependent Plasticity) avec des synapses RRAM. Nous avons développé à la fois de nouvelles architectures de faiblement énergivore, des méthodologies de programmation ainsi que des règles d'apprentissages simplifiées inspirées de la théorie STDP spécifiquement optimisées pour certaines technologies RRAM. Nous montrons l'implémentation de systèmes neuromorphiques a grande échelle et efficace énergétiquement selon deux approches différentes: (i) des synapses multi-niveaux déterministes et (ii) des synapses stochastiques binaires. Des prototypes d'applications telles que l'extraction de schéma visuel et auditif complexe sont également montres en utilisant des réseaux de neurones impulsionnels (Feed-forward Spiking Neural Network, SNN). Nous introduisons également une nouvelle méthodologie pour concevoir des neurones stochastiques très compacts qui exploitent les caractéristiques physiques intrinsèques des appareils CBRAM.

La recherche dans le domaine de l’informatique neuro-inspirée suscite beaucoup d'intérêt depuis quelques années. Avec des applications potentielles dans des domaines tels que le traitement de données à grande échelle, la robotique ou encore les systèmes autonomes intelligents pour ne citer qu'eux, des paradigmes de calcul bio-inspirés sont étudies pour la prochaine génération solutions informatiques (post-Moore, non-Von Neumann) ultra-basse consommation. Dans ce travail, nous discutons les rôles que les différentes technologies de mémoire résistive non-volatiles émergentes (RRAM), notamment (i) Phase Change Memory (PCM), (ii) Conductive-Bridge Memory (CBRAM) et de la mémoire basée sur une structure Metal-Oxide (OXRAM) peuvent jouer dans des dispositifs neuromorphiques dédies. Nous nous concentrons sur l'émulation des effets de plasticité synaptique comme la potentialisation à long terme (Long Term Potentiation, LTP), la dépression à long terme (Long Term Depression, LTD) et la théorie STDP (Spike-Timing Dependent Plasticity) avec des synapses RRAM. Nous avons développé à la fois de nouvelles architectures de faiblement énergivore, des méthodologies de programmation ainsi que des règles d’apprentissages simplifiées inspirées de la théorie STDP spécifiquement optimisées pour certaines technologies RRAM. Nous montrons l’implémentation de systèmes neuromorphiques a grande échelle et efficace énergétiquement selon deux approches différentes: (i) des synapses multi-niveaux déterministes et (ii) des synapses stochastiques binaires. Des prototypes d'applications telles que l’extraction de schéma visuel et auditif complexe sont également montres en utilisant des réseaux de neurones impulsionnels (Feed-forward Spiking Neural Network, SNN). Nous introduisons également une nouvelle méthodologie pour concevoir des neurones stochastiques très compacts qui exploitent les caractéristiques physiques intrinsèques des appareils CBRAM. / Research in the field of neuromorphic- and cognitive- computing has generated a lot of interest in recent years. With potential application in fields such as large-scale data driven computing, robotics, intelligent autonomous systems to name a few, bio-inspired computing paradigms are being investigated as the next generation (post-Moore, non-Von Neumann) ultra-low power computing solutions. In this work we discuss the role that different emerging non-volatile resistive memory technologies (RRAM), specifically (i) Phase Change Memory (PCM), (ii) Conductive-Bridge Memory (CBRAM) and Metal-Oxide based Memory (OXRAM) can play in dedicated neuromorphic hardware. We focus on the emulation of synaptic plasticity effects such as long-term potentiation (LTP), long term depression (LTD) and spike-timing dependent plasticity (STDP) with RRAM synapses. We developed novel low-power architectures, programming methodologies, and simplified STDP-like learning rules, optimized specifically for some RRAM technologies. We show the implementation of large-scale energy efficient neuromorphic systems with two different approaches (i) deterministic multi-level synapses and (ii) stochastic-binary synapses. Prototype applications such as complex visual- and auditory- pattern extraction are also shown using feed-forward spiking neural networks (SNN). We also introduce a novel methodology to design low-area efficient stochastic neurons that exploit intrinsic physical effects of CBRAM devices.

La diffraction électronique en mode précession (PED) est une méthode récente d’acquisition de clichésde diffraction permettant de minimiser les interactions dynamiques. L’objectif de cette thèse est dedévelopper une méthodologie d’acquisition et de traitement des clichés de diffraction en modeprécession afin de mesurer les champs de déformation en combinant une résolution spatialenanométrique et une sensibilité inférieure à 10-3 typiquement obtenues par d’autres techniques usuellesde microscopie, telle que l’imagerie haute-résolution. Les mesures ont été réalisées sur un JEOL 2010Aéquipé du module de précession Digistar produit par la société Nanomegas.Un système modèle constitué de multicouches Si/SiGe de concentrations connues en Ge a été utilisépour évaluer les performances de la méthodologie développée dans cette thèse. Les résultats indiquentune sensibilité sur la mesure de contraintes qui atteint, au mieux, 1x10-4 et un accord excellent avec lescontraintes simulées par éléments finis. Cette nouvelle méthode a pu ensuite être appliquée sur despuits quantique d’InGaAs et sur des transistors de type Ω−gate.La dernière partie traite d’un nouvel algorithme permettant d’évaluer de manière robuste et rapide lapolycristallinité des matériaux à partir d’une mesure PED. Nous donnons des exemples d’applicationde cette méthode sur divers dispositifs / Precession electron diffraction (PED) is a recent technique used to minimize acquired diffractionpatterns dynamic effects. The primary intention of this PhD work is to improve PED (PrecessionElectron Diffraction) data analysis and treatment methodologies in order to measure the strain at thenanoscale. The strain measurement is intended to reach a 10-3 strain precision as well as usualmicroscopy techniques like high-resolution imaging. To this end, measurements were made with aJEOL 2010A with a Digistar Nanomegas precession module.The approach developed has been used and tested by measuring the strain in a Si/SiGe multilayeredreference sample with a known Ge Content. Strain measurements reached 1x10-4 sensitivity withexcellent finite element strain simulation agreement. This process has been also applied to measure thestrain in microelectronic InGaAs Quantum Well and an "Ω-gate" experimental transistor devices.The second approach developed has been made to provide a robust means of studying electrontransparent nanomaterial polycrystallinity with precession. Examples of applications of this analysismethod are shown on different devices.

La diffraction électronique en mode précession (PED) est une méthode récente d’acquisition de clichésde diffraction permettant de minimiser les interactions dynamiques. L’objectif de cette thèse est dedévelopper une méthodologie d’acquisition et de traitement des clichés de diffraction en modeprécession afin de mesurer les champs de déformation en combinant une résolution spatialenanométrique et une sensibilité inférieure à 10-3 typiquement obtenues par d’autres techniques usuellesde microscopie, telle que l’imagerie haute-résolution. Les mesures ont été réalisées sur un JEOL 2010Aéquipé du module de précession Digistar produit par la société Nanomegas.Un système modèle constitué de multicouches Si/SiGe de concentrations connues en Ge a été utilisépour évaluer les performances de la méthodologie développée dans cette thèse. Les résultats indiquentune sensibilité sur la mesure de contraintes qui atteint, au mieux, 1x10-4 et un accord excellent avec lescontraintes simulées par éléments finis. Cette nouvelle méthode a pu ensuite être appliquée sur despuits quantique d’InGaAs et sur des transistors de type Ω−gate.La dernière partie traite d’un nouvel algorithme permettant d’évaluer de manière robuste et rapide lapolycristallinité des matériaux à partir d’une mesure PED. Nous donnons des exemples d’applicationde cette méthode sur divers dispositifs / Precession electron diffraction (PED) is a recent technique used to minimize acquired diffractionpatterns dynamic effects. The primary intention of this PhD work is to improve PED (PrecessionElectron Diffraction) data analysis and treatment methodologies in order to measure the strain at thenanoscale. The strain measurement is intended to reach a 10-3 strain precision as well as usualmicroscopy techniques like high-resolution imaging. To this end, measurements were made with aJEOL 2010A with a Digistar Nanomegas precession module.The approach developed has been used and tested by measuring the strain in a Si/SiGe multilayeredreference sample with a known Ge Content. Strain measurements reached 1x10-4 sensitivity withexcellent finite element strain simulation agreement. This process has been also applied to measure thestrain in microelectronic InGaAs Quantum Well and an "Ω-gate" experimental transistor devices.The second approach developed has been made to provide a robust means of studying electrontransparent nanomaterial polycrystallinity with precession. Examples of applications of this analysismethod are shown on different devices.