Etude, réalisation et caractérisation de memristors organiques électro-greffés en tant que nanosynapses de circuits neuro-inspirés

par Théo Cabaret

Thèse de doctorat en Physique‎

Sous la direction de Jacques-Olivier Klein.

Soutenue le 09-09-2014

à Paris 11 , dans le cadre de Ecole doctorale Sciences et Technologies de l'Information, des Télécommunications et des Systèmes (Orsay, Essonne ; 2000-2015) , en partenariat avec Institut d'électronique fondamentale (Orsay, Essonne ; 19..-2016) (laboratoire) , Institut Rayonnement Matière de Saclay (Saclay) (laboratoire) , Institut d'électronique fondamentale (laboratoire) et de Institut Rayonnement Matière de Saclay (ex DRECAM) (laboratoire) .

Le président du jury était Jean-Christophe Lacroix.

Le jury était composé de Jacques-Olivier Klein, Jean-Christophe Lacroix, Ian O'Connor, Dominique Vuillaume, Arnaud Bournel, Cristell Maneux, Vincent Derycke.

Les rapporteurs étaient Ian O'Connor, Dominique Vuillaume.

mots clés

• Memristors organiques
• Mémoires résistives
• Circuit neuro-inspiré
• STDP
• Nanotubes de carbone
• Réseaux neuronaux (informatique)
• Nanotubes
• Memristors

Résumé

Cette thèse s'inscrit dans le contexte de l'étude des circuits neuromorphiques utilisant des dispositifs memristifs comme synapses. Son objectif principal est d'évaluer les mérites d'une nouvelle classe de mémoires organiques développées au LICSEN (CEA Saclay/IRAMIS) et, plus particulièrement, leur adéquation avec les propositions d'implémentation et les règles d'apprentissage proposées par l'équipe NanoArchi de l'IEF (Univ. Paris-Sud, Orsay). Les memristors étudiés sont basés sur l'electro-greffage en films minces de complexes organiques redox pour la formation de jonctions métal/molécules/métal robustes et scalables. Outre la fabrication de memristors, le travail inclut d'importants efforts de caractérisation électrique (vitesse, non-volatilité, scalabilité, robustesse, etc.) visant d'une part à étudier les mécanismes de commutation dans ces nouveaux matériaux memristifs organiques, et d'autres part, à évaluer leur potentiel en tant que synapses. Cette thèse présente également une étude préparatoire à la réalisation d'un démonstrateur de circuit mixte de type réseaux de neurones combinant nano-memristors et électronique conventionnelle (programmabilité des dispositifs en mode impulsionnel, réalisation d'assemblées de dispositifs, variabilité). De plus, la démonstration de la compatibilité de ces memristors avec la propriété STDP (Spike Timing Dependent Plasticity) ainsi que de l’apprentissage d’un « réflexe conditionné » ouvrent la voie aux apprentissages non-supervisés.

mots clés

• Organic memristors
• Resistive memory
• Neuro inspired circuit
• STDP
• Carbon nanotubes

Titre traduit

Study, fabrication and characterization of electro-grafted organic memristors as nanosynapses for neuro inspired circuits

Résumé

This PhD project takes place in the context of the study of neuromorphic circuits using memristor devices as synapses. The main objective is to evaluate a new class of organic memories developed at LICSEN (CEA Saclay/IRAMIS) and particularly their compatibility with the learning rules and the implementation strategy proposed by the Nanoarchi group at IEF (Univ. Paris-Sud, Orsay). These new memristors are based on the electro-grafting of organic redox complexes thin films to form robust and scalable metal/molecules/metal junctions. In addition to memristor fabrication, this work includes detailed electrical characterization studies (speed, retention property, scalability, robustness, etc.) aiming at, on the one hand, establishing the commutation mechanism in these new memristors and, on the other hand, evaluating their potential as synapses. This work also proposes a preparatory study of a neural-network type mixed-circuit demonstrator combining nano-memristors and conventional electronic (programmability of devices by spikes, fabrication of assemblies of memristors, variability). Moreover the demonstration of the compatibility of such memristors with the STDP (Spike Timing Dependent Plasticity) property and of the learning of a “conditioned reflex” opens the way to future unsupervised learning studies.