Thèse de Doctorat « Croissance Intelligente d'Oxydes Thermoélectriques par Épitaxie Assistée par Suivi Operando et Apprentissage Automatique » H/F

CNRS

Description du Poste Sujet De Thèse Ce projet de doctorat sera réalisé à l'Institut des Nanotechnologies de Lyon (INL) au sein de l'équipe « Matériaux Fonctionnels et Nanostructures », dans le cadre du projet PEPR DIADEM CINEMA financé (2026-2030). La recherche porte sur le développement de stratégies de croissance intelligentes pour des couches minces d'oxydes fonctionnels par épitaxie par jets moléculaires (MBE), combinée à un suivi in situ et des approches d'apprentissage automatique. L'optimisation de la relation entre les conditions de croissance et les propriétés des matériaux fonctionnels repose encore largement sur des approches empiriques telles que l'essai-erreur ou le plan d'expériences. Ces méthodes sont coûteuses en temps et en ressources et requièrent des processus d'élaboration très stables, rarement atteints en pratique. Ce projet propose de développer une nouvelle méthodologie de contrôle intelligent de la croissance appliquée au BaSnO de type p, un oxyde pérovskite à large bande interdite présentant un intérêt croissant pour l'électronique transparente et les applications thermoélectriques, basée sur l'utilisation combinée d'outils avancés de caractérisation in situ et en temps réel ainsi que des analyses de données pilotées par l'apprentissage automatique. La chambre MBE d'oxydes de l'INL est équipée de plusieurs techniques de surveillance en temps réel, notamment la diffraction d'électrons de haute énergie en réflexion (RHEED), l'ellipsométrie spectroscopique, la mesure de courbure du substrat et la mesure optique des flux. Ces outils fournissent des informations complémentaires sur la structure de surface, la dynamique de croissance, les propriétés optiques, les contraintes et la stoechiométrie lors du dépôt de couches minces. L'objectif de la thèse est d'exploiter ces mesures, combinées à une approche d'apprentissage automatique, pour développer des modèles basés sur les données capables de corréler les paramètres de croissance et les propriétés fonctionnelles du BaSnO de type p. Le BaSnO est un oxyde pérovskite reconnu pour sa très haute mobilité électronique dans sa forme de type n (dopé La), mais son homologue de type p reste largement inexploré et mal maîtrisé, ce qui en fait une cible particulièrement pertinente et intéressante pour ce projet.La thèse de doctorat combine analyse de données et recherche en matériaux. L'objectif sera de développer deux approches complémentaires pour l'optimisation de la croissance. La première approche est basée sur des mesures operando couplées, combinant la surveillance en temps réel de la courbure, le RHEED et l'ellipsométrie spectroscopique, afin de sonder directement l'état structural et optique du film en cours de croissance et d'acquérir une compréhension approfondie de la physique de la croissance et de l'impact réel des paramètres d'élaboration sur les propriétés des matériaux. La deuxième approche repose sur des algorithmes d'apprentissage automatique supervisé (ML) et d'optimisation bayésienne (OB) pour établir des corrélations entre les principaux paramètres d'élaboration (flux de Ba, flux de Sn, flux de dopant, pression d'O, température de substrat) et une propriété fonctionnelle du matériau telle que la résistivité électrique. Ces méthodes sont particulièrement bien adaptées aux petits jeux de données expérimentaux, tels que ceux rencontrés typiquement en MBE. Pour entraîner et valider ces modèles, la base de données sera d'abord construite à partir de données de BaSnO de type n extraites de la littérature, un système bien documenté qui constitue un référentiel idéal. Le doctorant construira ensuite sa propre base de données expérimentales à partir de ses propres croissances de BaSnO de type p, enrichissant progressivement le modèle avec des données originales. Une fois cette méthodologie validée sur le système de type n, l'objectif final sera d'appliquer les deux approches - contrôle operando et optimisation guidée par ML - à la croissance et aux mesures in situ et d'établir des corrélations entre les conditions de croissance et les propriétés des matériaux. En combinant la surveillance operando, l'apprentissage automatique et les caractérisations ex situ, le projet vise à établir des modèles prédictifs reliant les paramètres de croissance, la chimie des défauts et les propriétés de transport, avec pour objectif final d'obtenir un BaSnO de type p haute performance avec une résistivité et une concentration en porteurs optimisées, au-delà de l'état de l'art actuel.Compétences attendues- Diplôme de master (M2 ou équivalent) en physique, science des matériaux ou dans un domaine connexe, de préférence avec un mémoire de master lié au traitement de données par IA- Intérêt pour la science des matériaux expérimentale et la croissance de couches minces- Connaissances en apprentissage automatique ou en analyse de données appliquée à la science des matériaux- Expérience en croissance et caractérisation de couches minces- Motivation pour travailler avec des techniques avancées de caractérisation et de croissance- Le candidat doit être capable de travailler de manière autonome tout en collaborant efficacement avec l'équipe de recherche.- De bonnes aptitudes à la communication et une maîtrise de l'anglais sont requises Votre Environnement de Travail L'Institut des Nanotechnologies de Lyon (INL) a pour vocation de développer des recherches technologiques multidisciplinaires dans le domaine des micro et nanotechnologies et de leurs applications. Les recherches menées s'étendent des matériaux aux systèmes. Le laboratoire s'appuie sur la plate-forme technologique lyonnaise NanoLyon.Les domaines d'application couvrent de grands secteurs économiques : l'industrie des semiconducteurs, les technologies de l'information, les technologies du vivant et de la santé, l'énergie et l'environnement.Le laboratoire est multi-sites avec des localisations sur les campus d'Ecully et de Lyon-Tech La Doua. Il regroupe environ 240 personnes dont 121 personnels permanents. L'INL est un acteur majeur du Pôle de Recherche et d'Enseignement.Ce poste se situe dans un environnement innovant, à la pointe des technologies du futur, dans des secteurs stratégiques applicatifs. Rémunération et avantages Rémunération 2300,00 € brut mensuel Congés et RTT annuels 44 jours Pratique et Indemnisation du TT Pratique et indemnisation du TT Transport Prise en charge à 75% du coût et forfait mobilité durable jusqu'à 300€ À propos de l'offre Référence de l'offre UMR5270-SYLGON-073 Section(s) CN / Domaine de recherche Micro- et nanotechnologies, micro- et nanosystèmes, photonique, électronique, électromagnétisme, énergie électrique À propos du CNRS Le CNRS est un acteur majeur de la recherche fondamentale à une échelle mondiale. Le CNRS est le seul organisme français actif dans tous les domaines scientifiques. Sa position unique de multi-spécialiste lui permet d'associer les différentes disciplines pour affronter les défis les plus importants du monde contemporain, en lien avec les acteurs du changement. Le CNRS Les métiers de la recherche