Propriétés physiques des états intermédiaires des mémoires à changement de phase multi-niveaux pour dispositifs neuromorphiques – INTERSTATE

Nous voulons démontrer qu'il est possible de programmer une mémoire à changement de phases dont la partie active est constituée d'une couche d'alliage GeSbTe riche en germanium et dopée à l'azote (alliage NG-GST), dans plusieurs états dont la résistance électrique est intermédiaire entre celles des états extrèmes SET et RESET du composant (états de résistance intermédiaire, ERI) et dérive peu au cours du temps. La stabilisation de ces états intermédiaires permettrait de promouvoir la plateforme digitale avancée actuellement produite par notre partenaire STMicroelectronics dans le domaine convoité des composants neuromorphiques. Pour contrôler la formation de plusieurs ERI dont les valeurs de résistance restent distinctes au cours du temps, il est nécessaire de connaître les propriétés physiques de la mémoire à changement de phase, de l'échelle du composant à celle du nanomètre, pour chacun des ERI. Nous souhaitons en particulier comprendre : 1-quels sont les chemins de conduction qui s'ouvrent dans la couche de NG-GST pour chacun des ERI visés, 2- quelle doit être la micro/nanostructure de la couche de NG-GST pour que ces chemins de conduction puissent s'ouvrir et 3- quelles séquences d'impulsions électriques doivent être appliquées à la mémoire à changement de phase pour obtenir les micro/nanostructures souhaitées. Pour accéder à ce niveau de compréhension, il nous paraît indispensable de rassembler les techniques, méthodes et savoir-faire complémentaires que le projet INTERSTATE propose de mettre en oeuvre : mesure de la structure atomique et chimique jusqu'à l'échelle du nanomètre, mesure des propriétés de transport électrique statiques et dynamiques, simulations numériques multi-échelles. Les résultats que nous obtiendrons à partir de nos recherches, qui se situent à l'interface entre la science des matériaux et l'étude fine de leurs propriétés physiques, ouvriront la voie vers de futurs développements de composants neuromorphiques et vers la recherche future des stratégies de programmation qui permettra d'utiliser ces composants dans des applications neuromorphiques ou d'intelligence artificielle spécifiques.