« Amélioration de l'efficacité de détection dans le proche infrarouge de photo-détecteurs de type SPAD intégrés dans une technologie CMOS FDSOI »

Doctorant : Shaochen GAO

Laboratoire INSA : INL

Ecole doctorale : ED160 : EEA (Electronique, Electrotechnique et Automatique)

Cette thèse porte sur la simulation et la caractérisation de diodes à avalanche à photon unique (SPAD) intégrées dans la technologie CMOS FDSOI (Fully-depleted Silicon-on-Insulator) 28nm de STMicroelectronics. L'objectif principal se concentre sur l'amélioration de la probabilité de détection de photons (PDP) de ces dernières. Elles sont composées d'une jonction p-Well/Deep-n-Well dans un substrat silicium. La jonction est insérée sous une fine couche d'oxyde enterrée (BOX) et l'électronique associée est placée dans une fine couche de silicium au-dessus du BOX. Cette implémentation permet de créer un pixel intrinsèquement 3D. Afin d'améliorer la PDP, l'approche de la nanostructuration des tranchées STI présentes nativement dans la zone active a été choisie pour l'illumination par la face avant. En nanostructurant ces tranchées STI, nous pouvons augmenter le taux de photogénération moyen dans les zones photosensibles et ainsi améliorer la PDP. Les simulations électro-optiques sur les diodes SPAD nanostructurées avec un rapport entre la surface de silicium et la surface totale d’un motif périodique variant de 15% à 25% et une période 0,48µm présentent un gain relatif moyen en PDP de 100% et 35% respectivement pour la gamme spectrale de 400-550nm et 550-700nm avec une tension d’excès de 1,5V. Ces résultats nous ont permis de proposer des architectures nanostructurées dans le un circuit de test. Les caractérisations ont montré un gain relatif moyen de 30-50% avec les valeurs absolues de PDP<2,5% pour des tensions d’excès relatives comprises entre 2-4% de la tension de claquage. Même si ces travaux n’ont pas permis d’atteindre les performances de photodétection de l’état de l’art, les résultats de caractérisations électro-optiques restent prometteurs, compte-tenu des contraintes lors des simulations et caractérisations (propriétés optiques des couches d’interconnexions non connues, faible degré de liberté sur le contrôle du procédé de fabrication, compromis entre le DCR (taux de comptage dans l’obscurité) et la PDP relié aux défauts d’interface apportés par les tranchées STI).

 

« Investigation of the thermal conductivity tuning of solid materials for energy-efficient systems using scanning thermal microscopy »

Doctorant : Wenxiang SUN

Laboratoire INSA : CETHIL

Ecole doctorale : ED162 : MEGA

One potential solution for system thermal management is to create nanostructured or nanocomposite materials, as they can exhibit a tuned thermal conductivity. Two types of materials developed in this direction were studied. They are amorphous chromium disilicide (CrSi2) thin films on substrate that were modified by implantation with neon (Ne) and aluminum (Al) ions at room temperature and at 250°C for thermoelectric applications, and bulk polymer nanocomposites where nanofillers (expanded graphite, multiwall carbon nanotubes (MWCNTs), and MXenes) are used to enhance the polymer thermal conductivity for electronic applications (as an example). Scanning thermal microscopy was used to analyze the heat conduction within both the material types as a function of their microstructure change. Estimations of the contribution of phonons and electrons to the heat conduction in CrSi2 samples obtained. These results combined with material microstructure analyses show a thermal conductivity (k) decrease of the CrSi2 for all the studied samples, more pronounced for the ion-implantation at 250°C. This decrease is attributed to implantation induced defects clusters (energy carrier scattering centers), phonon path disruption by atom mass contrast and nanocrystallites (created due to a radiation-enhanced phase transformation process at 250°C) with depletion zones for electrons at nanocrystallite boundaries. For Ne-implantations, observed Ne bubbles additionally induced by the ion-implantation also lead to phonon scattering. For polymer nanocomposites, k-measurements combined with the analyses of the material microstructure allow to verify that the introduction of carboneous fillers increases the heat conduction in materials while the filler concentration increases. A new analytical model, which allows the k-estimation in the case of MWCNTs-multiphase PVDF based composites, is proposed and results are compared with measurements. Main findings show that the β phase- PVDF, created because MWCNTs introduced in the PVDF matrix act as nucleation centers for β phase-PVDF, explains the increase of the k of the nanocomposite.

Mécanismes de corrosion fatigue : du fil d’acier perlitique à la nappe composite d’un pneumatique poids lourd.

Doctorant : Jonathan QUIBEL

Laboratoire INSA : MATEIS
Ecole doctorale : ED34 : Matériaux de Lyon

Dans les pneumatiques poids lourds, la nappe carcasse est un matériau composite dont le rôle principal est de soutenir les contraintes mécaniques issues de la pression de gonflage et de la masse du véhicule. Ce composite est formé d’une gomme (mélange caoutchoutique) et de renforts métalliques composés de fils d’acier perlitique tréfilés assemblés sous forme de câbles. Lors du roulage, la nappe carcasse est sollicitée en flexion cyclique sous tension. De plus, différentes espèces chimiques diffusent dans la gomme jusqu’au renfort métallique. Il peut en résulter un endommagement de corrosion fatigue (ECF) du composite. La démarche liée à la réduction de la consommation de carburant et donc des émissions de gaz à effet de serre peut passer par une diminution de la masse du pneumatique et donc du métal utilisé. Cependant, il est nécessaire de comprendre l’ECF pour garantir les mêmes performances du pneumatique. Pour cela, cette étude est réalisée à deux échelles : le fil de 180 µm de diamètre constitutif du câble et la nappe composite.
A l’échelle du fil, les essais instrumentés de flexion rotative en environnement aqueux contrôlé montrent que l’endommagement est la conséquence d’un amorçage de fissure de fatigue par dissolution et/ou d’une fragilisation par l’hydrogène du métal. Ils montrent également que la durée de vie des fils est conditionnée par la réactivité de surface des fils par rapport aux ions en solution.
Pour la nappe composite, des essais de flexion cyclique sous tension sont réalisés parallèlement à des simulations par éléments finis des câbles gommés (champs des contraintes mécaniques au sein des fils des câbles). En combinant les résultats expérimentaux et numériques, un mécanisme d’endommagement du composite sollicité en fatigue sous environnement est proposé. Le mécanisme montre l’effet synergique entre l’environnement agressif, la sollicitation de fatigue et la géométrie d’assemblage du renfort métallique.

La soutenance est publique

Maître de Conférences : Florent Dalmas

Laboratoire INSA : MatéIS

Rapporteurs : Philippe Leclère, Christopher Plummer et Jacques Jestin

Jury : 

• Philippe Leclère Professeur, Université de Mons – Belgique
• Jacques Jestin Directeur de Recherche CNRS, Institut Laue-Langevin - Grenoble
• Christopher Plummer Maître d'enseignement et de recherche, École Polytechnique Fédérale de Lausanne
• Catherine Amiel Professeure, Université Paris-Est Créteil
• Elianne Espuche Professeure, Université Claude Bernard Lyon 1
• Laurent Chazeau Professeur, INSA Lyon

Numerical and Experimental Analysis of the Tribological Performance of a Diamond-Like Carbon Coated Piston Ring Cylinder Liner Contact

Doctorant :  Thomas LUBRECHT

Laboratoire INSA : LaMCos

Ecole doctorale : ED162 : Mécanique, Energétique, Génie Civil, Acoustique de Lyon

Motivé par l’urgence climatique et les normes d’émissions de polluants, l’industrie automobile mondiale initie l’électrification de sa flotte de véhicules. Cependant, cette technologie est, en l’état, incapable de répondre aux challenges de la mondialisation. Pour cette raison, les moteurs à combustion interne seront toujours utilisés dans les années à venir. Ainsi, améliorer leur efficacité, fiabilité et réduire leurs émissions de polluants est aujourd’hui plus que nécessaire. Les revêtements de surface, tel que le Diamond-Like Carbon (DLC), peuvent par leurs excellentes propriétés tribologiques améliorer le rendement et la durée de vie d’un moteur. Leur application au contact primordial Segment-Piston-Chemise (SPC) a peu été étudiée, mais semble prometteur. Afin d’évaluer la pertinence d’une telle solution, une étude expérimentale et numérique du contact SPC revêtu DLC est menée. Un solveur semi-analytique, transitoire, linéique pour la résolution du contact lubrifié est développé. Contrairement aux habituelles théories stochastiques, cette méthode repose sur un calcul déterministe du contact entre rugosité à partir du relevé topographique de la surface. L’influence de la macro- géométrie des pièces sur le contact est pris en compte par l’implémentation de coefficients analytiques. Ainsi, le solveur permet l’estimation rapide des forces de frottement du contact tout en considérant les phénomènes de sous-alimentation et de transport d’huile. Le solveur est validé expérimentalement et numériquement. En parallèle, un moyen d’essai dit à « chemise-flottante » équipé de vraies pièces moteur est améliorer. La réalisation d’une étude vibratoire du banc d’essai à permit l‘obtention d’un meilleur ratio signal sur bruit mesuré. En outre, une méthode permettant de reproduire des conditions d’essai à hautes vitesses tout en fonctionnant à basses vitesses est présentée.
A partir des méthodes développées, d’excellentes performances tribologiques sont observées pour le contact SPC revêtu DLC. Une réduction significative du frottement ainsi qu’une excellente résistance à l’usure pour une variété de lubrifiant sont obtenues.

Learning-Based Interactive Character Animation Edition

Doctorant : Léon Victor

Laboratoire INSA : LIRIS

Ecole doctorale : ED512 Informatique Et Mathématiques de Lyon

La principale méthode utilisée pour animer un personnage virtuel consiste à éditer le mouvement d’un squelette, sur lequel un modèle sous forme de maillage sera appliqué et déformé au besoin. Pour convaincre le spectateur, le mouvement d’un personnage doit respecter de nombreuses règles implicites, comme le modèle physique qui régit son monde ou les limites de sa morphologie. Ce faisant, il doit aussi rendre explicite l’action réalisée, et laisser transparaître l’état émotionnel du personnage. La subtilité de ces contraintes rend la création d’animation difficile et la production d’une animation réaliste et/ou plaisante repose fortement sur les connaissances, l’expérience et minutie de l’animateur. La démocratisation des techniques de capture de mouvement (Motion Capture, ou MoCap) permet de produire de plus en plus de données de mouvements tirés du monde réel, qui portent intrinsèquement des informations sur ces contraintes. Les travaux présentés dans cette thèse proposent d’exploiter ces données à l’aide de méthodes récentes d’apprentissage automatique, utilisant les réseaux de neurones pour fournir de nouveaux outils aux artistes animateurs.

Fabrication et Caractérisation de Jonctions Tunnel Ferroélectriques à base de Hf0.5Zr0.5O2 pour les Applications Neuromorphiques

Doctorant : Benoit MANCHON

Laboratoire INSA : INL
Ecole doctorale : EDA160 : Électronique, Électrotechnique, Automatique

Une conséquence de la séparation physique entre mémoire et calcul dans l’architecture de Von Neumann est le goulot d’étranglement de la mémoire. L’une des solutions consiste à s’inspirer du fonctionnement du cerveau dans lequel la mémoire (les synapses) est massivement intégrée au sein des unités de calcul (les neurones). Afin d’implémenter ce type d’architecture neuromorphique, il est nécessaire de développer des composants capables de reproduire les fonctions synaptiques. Les Jonctions Tunnel Ferroélectriques (FTJs) sont candidates au rôle de synapse artificielle grâce à leur capacité à moduler la quantité de courant qui les traverse en fonction de la direction de polarisation. La découverte de ferroélectricité dans l’oxyde d’hafnium dopé dès 2011, et plus tard dans le Hf0.5Zr0.5O2 (HZO), a permis de relancer la recherche sur les composants ferroélectriques en offrant une alternative aux pérovskites dont la température de cristallisation est limitante pour les procédés d’intégration industriels.
Dans ce travail, nous avons cherché à réaliser des FTJs à base de HZO pour la réalisation de synapses artificielles. Trois axes de recherche ont été définis : adapter un procédé préexistant de condensateurs ferroélectriques pour la fabrication de FTJ, développer un procédé pour intégrer les FTJs et réduire leurs dimensions, et mettre en place des protocoles de caractérisation et de programmation. Après avoir détaillé le contexte scientifique, les méthodes d’élaboration et de caractérisation sont présentées suivis des procédés de fabrication. Afin d’augmenter les courants tunnel des FTJs, nous avons cherché à réduire l’épaisseur de HZO sans dégrader ses propriétés ferroélectriques ; les solutions que nous avons exploré concernent l’insertion d ’une couche interfaciale, l’utilisation d’électrodes en tungstène et le dépôt par couches atomiques. Après avoir exposé l’étude des propriétés électrique des FTJ ainsi obtenues, nous présentons la caractérisation de l’imprint et de leur dynamique de retournement ainsi qu’un protocole de programmation multi- états.

Explaining machine learning models on graphs by identifying hidden structures built by GNNs

Doctorant : Luca VEYRIN-FORRER

Laboratoire INSA : LIRIS

Ecole doctorale : ED512 Infomaths

La dernière décennie a vu une énorme croissance dans le développement de techniques basées sur les réseaux de neurones profonds pour les graphes. Les réseaux de neurones sur graphes (GNNs) se sont avérés les plus efficaces pour de nombreux problèmes d'apprentissage automatique de graphes tels que les méthodes de noyaux. Cependant, le fonctionnement interne des modèles GNN reste opaque, ce qui constitue un obstacle majeur à leur déploiement, soulevant des questions d'acceptabilité sociale et de fiabilité, limites qui peuvent être surmontées par l'explication du fonctionnement interne de tels modèles. Dans cette thèse, nous étudions le problème de l'explicabilité des GNNs. Notre contribution principale, INSIDE, vise à extraire les règles d'activation dans les couches cachées du modèle pour comprendre quels descripteurs et caractéristiques de graphes ont été automatiquement extraits des graphes. Le défi consiste à fournir un petit ensemble de règles qui couvrent tous les graphes d'entrée. Nous proposons un domaine de motifs subjectif pour résoudre cette tâche. Nous proposons l'algorithme INSIDE qui est efficace pour énumérer les règles d'activation dans chaque couche cachée.  Les règles d'activation peuvent ensuite être utilisées pour expliquer les décisions du GNN. l'étude expérimentale montre des performances très compétitives par rapport aux audres méthodes de l'état de l'art. Cependant, les règles d'activation ne sont pas interprétables. Nous proposons d'interpréter ces règles en identifiant un graphe entièrement plongé dans le sous-espace associé à chaque règle. La méthode DISCERN que nous avons mise mise au point est basée sur une recherche arborescente de type Monte Carlo dirigée par une mesure de proximité entre le plongement du graphe et la représentation interne de la règle. Les graphes ainsi obtenus sont réalistes et pleinement compréhensibles par l'utilisateur final.

Soutenance publique

Maître de conférences : Mathieu Gautier

Laboratoire INSA :  DEEP

Rapporteurs :

• Mme DELUCHAT Véronique Professeur Université de Limoges
• M. ROUSSEAU Diederik Professeur Ghent University, Belgique
• M. MOTELICA-HEINO tefan Mikael Professeur Université d’Orléans

Jury :

Mme	DELUCHAT	Véronique	Professeur	Université de Limoges	Rapporteur
M.	ROUSSEAU	Diederik	Professeur	Ghent University, Belgique	Rapporteur
M.	MOTELICA-HEINO	Stefan Mikael	Professeur	Université d’Orléans	Rapporteur
Mme	GONDRAN	Natacha	Professeur	Mines Saint-Etienne	Examinateur
M.	MOLLE	Pascal	Directeur de Recherche	INRAE	Examinateur
M.	GROSSI	Vincent	Directeur de Recherche	CNRS - Université Claude Bernard, Lyon1	Examinateur
M.	LASSABATERE	Laurent	IDTPE-MTES, HDR	LEHNA ENTPE / Lyon1	Examinateur
M.	GOURDON	Rémy	Professeur	INSA Lyon	Examinateur

Configurable Convolutional Neural Networks: Applications to Breast Cancer Explainable Classification and Display Panel Defect Detection

Doctorant : Feng HE

Laboratoire INSA : CREATIS

Ecole doctorale : ED160 : Electronique, Electrotechnique, Automatique

Current deep learning methods such as convolutional neural networks (CNNs) are often dedicated to a specific task and object; they are generally fixed in network architecture, which limits their generalizability and prevents them from addressing multiple scenarios with different objectives. To achieve both the explainable classification of breast cancer and the online defect detection of display panels, we propose a configurable convolutional neural network (ConfigNet) capable of being transformed into different configurations according to the tasks and objects in question. The ConfigNet presents two main functional configurations. The first is composed of a feature extraction module (FEM), a decision map generator (DMG) and a classifier; it is devoted to image explainable classification, for which we propose two DMG structures and a weighted average pooling (WAP) classifier for histopathological breast cancer images. The second is an encoder- decoder configuration devoted to object segmentation and localization. In this second configuration, we propose an efficiency-favored decoder and an element-wise feature fusion module (EFFM) guiding the skip connection between the encoder and decoder for online defect detection of display panels. In addition, we develop a spatial and channel attention-guided feature fusion module (SCAFFM) and a bottleneck-structured decoder for breast tumor segmentation. The FEM or encoder in these two configurations is constructed through transfer learning from existing CNNs having deep convolutional layers.