Réalisation, caractérisation et simulation de composants organiques : transistors à effet de champ et mémoires

Realization, characterization and simulation of organic compounds : field effect transistors and memories

• Auteur / Autrice : Bilel Hafsi
• Direction : Kamal Lmimouni, Adel Kalboussi
• Type : Thèse de doctorat
• Discipline(s) : Micro et Nanotechnologies, Acoustique et Télécommunications
• Date : Soutenance le 11/07/2016
• Etablissement(s) : Lille 1 en cotutelle avec Université de Monastir (Tunisie)
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur (Lille)
• Partenaire(s) de recherche : Laboratoire : Institut d'Electronique, de Microélectronique et de Nanotechnologie

Mots clés

Mots clés contrôlés

Nanoparticules d'or

Graphène

Apprentissage automatique

Réseaux neuronaux (informatique)

Mémoires flash

Simulation par ordinateur

Transistors organiques à effet de champ

Semiconducteurs organiques

Mots clés libres

Mémoires volatiles et non-Volatiles

Résumé

Cette thèse aborde une approche originale de réalisation de composants organiques (transistors, mémoires volatiles et non volatiles) à base d’un semiconducteur de type N “PolyeraTM N2200”. Tout d’abord, des transistors à effet de champ ont été fabriqués et optimisés en améliorant notamment certains paramètres technologiques. Par la suite, ces transistors ont été simulés à l’aide du logiciel ISE TCAD®, un logiciel basé sur un modèle 2D à effet de champ et de dérive-diffusion. Les propriétés électriques de ces dispositifs organiques ont été étudiées en fonction de l’influence de la mobilité des porteurs, des densités des pièges, et de leur énergie… . Les effets des pièges d'interface ont également été pris en considération. Par ailleurs, on y incorporant une couche de nanoparticules d’or (NP’s Au), on a réussi à développer des composants appelés « NOMFET » qui miment le comportement d’une synapse biologique tout en reproduisant les effets dépressifs et facilitateurs avec une amplitude relative de 50% et une réponse dynamique de l’ordre de 4s. En étudiant la dynamique de chargement et de déchargement des NP’s d’or, on a mis en évidence une fonction d’apprentissage anti-Hebbienne, un des mécanismes fondamentaux de l’apprentissage non-supervisé d’une synapse inhibitrice dans un réseau de neurones biologiques. Finalement, des mémoires FLASH, ont été réalisées en combinant des NP’s d’or avec des monofeuillets d’oxyde de graphène réduit (rGO). Ces mémoires « FLASH » appelées aussi mémoires à double grille flottante montrent une large fenêtre de mémorisation (~68V), un temps de rétention élevé (>108s) et d’excellentes propriétés d’endurance (1000 cycles d’écriture/effacement).

The subject of this thesis adopt an original approach to realize new components (transistor, volatile and non-volatiles memory) based on N type organic semiconductor “PolyeraTM N2200”. First, we have fabricated and optimized organic field effect transistors by modifying some technological parameters related to fabrication. Then, we have analyzed their electrical properties with the help of two-dimensional drift-diffusion simulator using ISE-TCAD®. We studied the fixed surface charges and the effect of the organic semiconductor/oxide interface traps. The dependence of the threshold voltage on the density and energy level of the trap states has been also considered. , by incorporating gold nanoparticles in these devices, we have developed a new device called “NOMFETs” (nanoparticles organic memory field effect transistors), which mimic the behavior of biological synapse by reproducing a facilitating and a depressing drain current with a relative amplitude of about 50% and a dynamic response of about 4s. Studying the charging/discharging dynamics, we demonstrated a typical anti-Hebbien learning function, one of the fundamental mechanisms of the unsupervised learning in biological neural networks. Finally, we developed nonvolatile “FLASH” memory devices, by combining metallic gold nanoparticles and reduced graphene oxide (rGO) monolayer flakes. This double floating gate architecture provided us a good charge trapping ability which include a wide memory window (~68V), a long extrapolated retention time (> 108 s) and strong endurance properties (1000 write/erase cycles).