Description du sujet de thèse
Domaine
Défis technologiques
Sujets de thèse
Intelligence Artificielle pour la Modélisation et l'Analyse Topographique des Puces Électroniques
Contrat
Thèse
Description de l'offre
L'inspection des surfaces de wafers est cruciale en microélectronique pour détecter les défauts affectant la qualité des puces. Les méthodes traditionnelles, basées sur des modèles physiques, sont limitées en précision et en temps de calcul. Cette thèse propose d'utiliser l'intelligence artificielle (IA) pour caractériser et modéliser la topographie des wafers, en exploitant des techniques d'interférométrie optique et des modèles avancés.
L'objectif est de développer des algorithmes d'IA capables de prédire les défauts topographiques (érosion, dishing) avec une haute précision, en s'appuyant sur des architectures comme les réseaux de neurones convolutifs (CNN), les modèles génératifs ou les approches hybrides. Les travaux incluront l'optimisation des modèles pour une inférence rapide et une généralisation robuste, tout en réduisant les coûts de fabrication.
Ce projet s'inscrit dans une démarche d'amélioration des procédés de microfabrication, avec des applications potentielles dans l'industrie des semi-conducteurs. Les résultats attendus contribueront à une meilleure compréhension des défauts de surface et à l'optimisation des processus de production.
Université / école doctorale
Electronique, Electrotechnique, Automatique, Traitement du Signal (EEATS)
Université Grenoble Alpes
Localisation du sujet de thèse
Site
Grenoble
Critères candidat
Formation recommandée
bac +5 en programmation Python, et analyse d'images
Demandeur
Disponibilité du poste
01/09/2026
Personne à contacter par le candidat
BALAN Viorel < email supprimé pour raison de sécurité >
CEA
DRT/DPFT
CEA LETI
MINATEC CAMPUS
B.41-26/303
17 Rue des Martyrs
Grenoble
+33 438 78 32 36
Tuteur / Responsable de thèse
BARRAGAN Manuel < email supprimé pour raison de sécurité >
CNRS
Laboratoire TIMA
46, avenue Félix Viallet
38031 GRENOBLE Cedex France
33 4 76 57 46 81
En savoir plus
Domaine
Défis technologiques
Sujets de thèse
Intelligence Artificielle pour la Modélisation et l'Analyse Topographique des Puces Électroniques
Contrat
Thèse
Description de l'offre
L'inspection des surfaces de wafers est cruciale en microélectronique pour détecter les défauts affectant la qualité des puces. Les méthodes traditionnelles, basées sur des modèles physiques, sont limitées en précision et en temps de calcul. Cette thèse propose d'utiliser l'intelligence artificielle (IA) pour caractériser et modéliser la topographie des wafers, en exploitant des techniques d'interférométrie optique et des modèles avancés.
L'objectif est de développer des algorithmes d'IA capables de prédire les défauts topographiques (érosion, dishing) avec une haute précision, en s'appuyant sur des architectures comme les réseaux de neurones convolutifs (CNN), les modèles génératifs ou les approches hybrides. Les travaux incluront l'optimisation des modèles pour une inférence rapide et une généralisation robuste, tout en réduisant les coûts de fabrication.
Ce projet s'inscrit dans une démarche d'amélioration des procédés de microfabrication, avec des applications potentielles dans l'industrie des semi-conducteurs. Les résultats attendus contribueront à une meilleure compréhension des défauts de surface et à l'optimisation des processus de production.
Université / école doctorale
Electronique, Electrotechnique, Automatique, Traitement du Signal (EEATS)
Université Grenoble Alpes
Localisation du sujet de thèse
Site
Grenoble
Critères candidat
Formation recommandée
bac +5 en programmation Python, et analyse d'images
Demandeur
Disponibilité du poste
01/09/2026
Personne à contacter par le candidat
BALAN Viorel < email supprimé pour raison de sécurité >
CEA
DRT/DPFT
CEA LETI
MINATEC CAMPUS
B.41-26/303
17 Rue des Martyrs
Grenoble
+33 438 78 32 36
Tuteur / Responsable de thèse
BARRAGAN Manuel < email supprimé pour raison de sécurité >
CNRS
Laboratoire TIMA
46, avenue Félix Viallet
38031 GRENOBLE Cedex France
33 4 76 57 46 81
En savoir plus
