Intelligence Artificielle pour la Modélisation et l'Analyse Topographique des Puces Électroniques

CEA; Grenoble; Sur place; EUR 40 000 - 60 000; Plein temps

Résumé du poste

Une institution de recherche en électronique recherche un candidat pour une thèse sur l'Intelligence Artificielle dans la modélisation et l'analyse topographique des puces électroniques. Le projet vise à développer des algorithmes capables de prédire les défauts topographiques avec précision en utilisant des réseaux de neurones. Le candidat idéal aura un bac +5 en programmation Python et en analyse d'images. La thèse est située à Grenoble, avec une disponibilité à partir du 01/09/2026.

Qualifications

• Formation recommandée en programmation Python et analyse d’images.

Responsabilités

• Développer des algorithmes d’IA pour prédire les défauts topographiques.
• Optimiser les modèles pour une inférence rapide et robuste.
• Contribuer à une meilleure compréhension des défauts de surface.

Connaissances

Programmation Python

Analyse d’images

Formation

Bac +5

Description du poste

Description du sujet de thèse

Défini dans le domaine de l'IA pour la modélisation et l'analyse topographique des puces électroniques. La thèse se concentre sur l'inspection des surfaces de wafers en microélectronique et l'utilisation des réseaux de neurones convolutifs, modèles génératifs ou approches hybrides pour prédire les défauts topographiques tels que l'érosion et le dishing.

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

Grenoble

Site

Grenoble

Critères candidat

Formation recommandée : bac +5 en programmation Python, et analyse d’images.

Disponibilité du poste

01/09/2026

Personne à contacter par le candidat

BALAN Viorel – [e-mail]
CEA – DRT/DPFT – CEA LETI – MINATEC CAMPUS – B.41-26/303 17 Rue des Martyrs Grenoble – [phone]

Tuteur / Responsable de thèse

BARRAGAN Manuel – [e-mail]
CNRS – Laboratoire TIMA – 46, avenue Félix Viallet – 38031 GRENOBLE Cedex France – [phone]

En savoir plus