Conception d'architectures de circuits spintroniques ferroélectriques pour mémoires ultra basse consommation, logique post CMOS et calcul neuromorphique – SPINFROST

L'augmentation considérable de la quantité de données à collecter, analyser, stocker et traiter nécessite de repenser le paradigme de calcul. En effet, rapprocher l'analyse et le traitement des données de l'endroit où elles sont collectées et stockées est le seul moyen de parvenir à des TIC écologiques et durables. La consommation des TIC, qui représente déjà 11% de l'électricité mondiale, devrait être multipliée par 2 à 5 d'ici 2030. Trois points clés ont été identifiés pour permettre une réduction massive de la consommation d'énergie dans les systèmes complexes: i) Réduire radicalement la consommation d'énergie de la hiérarchie mémoire en remplaçant certaines de ses parties par des technologies émergentes non volatiles. ii) Repenser les architectures de calcul pour aller au-delà de l'approche CMOS, en tirant parti de ces technologies pour mélanger intrinsèquement la mémoire et la logique. iii) Utiliser ces technologies pour mettre en œuvre des accélérateurs neuromorphiques très efficaces pour des tâches spécifiques habituellement réalisées par des GPUs. Parmi ces technologies émergentes, la spintronique offre rapidité, non volatilité et endurance, mais le coût énergétique du renversement d'aimantation reste élevé. Le laboratoire SPINTEC a découvert en 2020-2021 qu'il est possible de contrôler les courants de spin en utilisant la ferroélectricité plutôt que le ferromagnétisme, ce qu permet de réduire considérablement la consommation d'écriture. L'objectif de ce projet est d'explorer les possibilités offertes par cette nouvelle approche, du point de vue design et conception de circuits. Grâce à notre compréhension du transport de spin dans ces dispositifs et à notre expertise en matière de conception de circuits hybrides intégrant des dispositifs émergents, nous étudierons les avantages de son utilisation dans les domaines de la mémoire, de la logique et du calcul neuromorphique pour les systèmes à très faible consommation énergétique.