Thèse Robust Phase Change Materials For Advanced Computing Technologies H/F
Doctorat.Gouv.Fr
- Rennes - 35
- CDD
- Bac +5
- Service public d'état
Détail du poste
Établissement : Université de Rennes École doctorale : École doctorale Science de la Matière, des Molécules et Matériaux Laboratoire de recherche : INSTITUT DES SCIENCES CHIMIQUES DE RENNES Direction de la thèse : Xianghua ZHANG ORCID 0000-0002-2180-6543 Date limite de candidature : 2026-07-15T00:00:00
L'objectif de ce projet est de proposer de nouveaux matériaux pour le développement de technologies informatiques avancées dédiées à l'intelligence artificielle. Ce projet portera en particulier sur la conception et l'ingénierie d'une nouvelle classe de matériaux à changement de phase (PCM) présentant une stabilité sans précédent. Cette nouvelle catégorie de matériaux sera essentielle pour permettre la réalisation de la prochaine génération de plateformes de calcul à haute capacité, incluant le calcul neuro-inspiré et les analogues de calcul quantique acoustique topologique.
L'ensemble des équipements de l'équipe verres et céramique de l'ISCR à l'université de Rennes et du Dept. Materials Science& Engineering de l'university of Arizona sera mis à la disposition. Des collaborations extérieures sont envisageables si besoin.
Le développement rapide de l'intelligence artificielle (IA) dépend de la mise en oeuvre d'approches de calcul haute performance telles que le calcul neuromorphique. Ce projet propose de contribuer au développement de telles capacités de calcul grâce à la mise au point de matériaux à changement de phase (PCM) avancés. Le calcul neuromorphique vise à émuler le fonctionnement des éléments du cerveau à l'aide de dispositifs électroniques. Son objectif est de réaliser des calculs arithmétiques et des tâches complexes d'IA grâce à des réseaux de cellules mémoire qui servent de neurones et de synapses artificiels. La technologie PCM offre la possibilité d'encoder plusieurs niveaux dans une seule cellule et permet d'émuler efficacement le comportement des neurones et des synapses. L'exécution fiable de ces schémas sur des plateformes robustes reste toutefois entravée par une lente dérive des propriétés des PCM au fil du temps.
Publiée le 15/06/2026 - Réf : c481b050d86a3df62c8ba546cc3aa0fc
