Soutenance de thèse de ETESSE Guéric
Titre de thèse
nouvelle génération de nanodispositifs de refroidissement
new generation of cooling nano-devices
Résumé de la thèse
Cette thèse porte sur la modélisation, l'optimisation et la validation expérimentale de dispositifs de refroidissement à l'état solide, basés sur des hétérostructures semiconductrices combinant les mécanismes de refroidissement thermionique et évaporatif. Deux architectures sont étudiées : la structure "Asymmetric Double Barrier" (ADB), dans laquelle le refroidissement s'effectue principalement dans un seul puits quantique, et une nouvelle structure appelée "Quantum Cascade Cooler" (QCC), conçue pour améliorer les performances par absorption séquentielle de phonons dans des puits successifs.
Le travail débute par une mise en contexte des enjeux liés à la dissipation thermique à l'échelle nanométrique, soulignant les limites des méthodes de refroidissement conventionnelles face à l'augmentation des densités de puissance dans les circuits intégrés. L'approche utilisée dans cette thèse repose sur des simulations auto-cohérentes basées sur le formalisme NEGF couplé à l'équation de la chaleur, permettant de modéliser le transport électronique et thermique.
Une étude approfondie de la structure ADB est menée pour identifier des paramètres de conception optimaux et maximiser la puissance de refroidissement. Afin de réduire le temps requis par les simulations NEGF, une méthode d'apprentissage automatique est développée. Deux réseaux de neurones sont entraînés sur des données issues des simulations pour prédire les performances thermiques du dispositif selon ses paramètres. Cette méthode hybride permet de cartographier efficacement l'espace des paramètres et révèle qu'un refroidissement optimal est obtenu lorsque l'énergie d'activation correspond à l'absorption de deux phonons optiques.
Ces résultats ont motivé la proposition du QCC, visant à exploiter l'absorption séquentielle de phonons. Les simulations révèlent des oscillations anti-corrélées de la température électronique entre les puits, liées au filtrage énergétique imposé par l'interaction électron-phonon. Des mesures expérimentales par photoluminescence sur des échantillons fabriqués par épitaxie par jets moléculaires ont d'abord mis en évidence un échauffement inattendu dans le second puits. L'analyse des spectres de courant a permis d'attribuer cet effet à une injection d'électrons à haute énergie. Une version modifiée du QCC, dotée de barrières plus hautes, permet de supprimer cette contribution et de retrouver les oscillations prédites.
Pour expliquer les divergences restantes entre théorie et expérience, différentes formulations de la self-énergie associée aux interactions électron-électron ont été explorées, sur la base de l'approximation GW avec pôle plasmon. Trois modèles sont développés : un modèle élastique, un modèle fondé sur les sondes de Büttiker et une formulation inélastique. Ces modèles permettent d'analyser les effets de thermalisation. Bien que les modèles implémentés ne permettent pas encore de résoudre les écarts observés, la formulation pleinement inélastique, dont la mise en œuvre reste à faire, constitue une piste prometteuse.
Ce travail s'inscrit dans le cadre du projet ANR GELATO, dédié au développement de solutions de refroidissement à l'échelle nanométrique. Les avancées obtenues ont contribué à l'acceptation d'un second projet ANR. L'approche combinant simulations quantiques, apprentissage automatique et validation expérimentale constitue un cadre robuste pour l'étude de dispositifs de refroidissement à l'état solide, avec des perspectives dans les composants sensibles à la température.
Thesis resume
This thesis focuses on the modeling, optimization, and experimental validation of solid-state cooling devices based on semiconductor heterostructures that combine thermionic and evaporative cooling mechanisms. Two architectures are studied: the Asymmetric Double Barrier (ADB) structure, in which cooling occurs primarily in a single quantum well, and a newly proposed structure called the Quantum Cascade Cooler (QCC), designed to enhance performance through sequential phonon absorption across successive quantum wells.
The work begins by contextualizing the challenges associated with heat dissipation at the nanoscale, highlighting the limitations of conventional cooling methods due to the rise of power densities in integrated circuits. The modeling approach used in this thesis relies on self-consistent simulations based on the NEGF (Non-Equilibrium Green's Function) formalism coupled with the heat equation, enabling the description of both electron and heat transport.
An in-depth study of the ADB structure is carried out to identify optimal design parameters and maximize cooling power. To reduce the high computational time required for NEGF simulations, a complementary machine learning approach is developed. Two neural networks are trained on simulation data to predict the thermal performance of the device as a function of its design parameters. This hybrid approach enables efficient exploration of the parameter space and reveals that optimal cooling occurs when the activation energy corresponds to the absorption of two optical phonons.
These results motivated the proposal of a new device, the QCC, which aimed to exploit sequential phonon absorption in successive quantum wells. Theoretical simulations reveal anti-correlated oscillations of electron temperature between wells, linked to energy filtering driven by electron–phonon interactions. Experimental photoluminescence measurements on samples fabricated by molecular beam epitaxy initially revealed discrepancies with the theoretical predictions, particularly unexpected heating in the second well. Analysis of the current spectra attributed this effect to the injection of high-energy electrons inside the wells. A modified version of the QCC, with higher barriers, effectively suppresses this undesired contribution and allowed to recover, as predicted theoretically, electron temperature oscillations.
To explain the remaining discrepancies between theory and experiment, various formulations of the electron-electron self-energy were explored, based on the GW approximation under the plasmon pole model. Three models were developed: an elastic model, a Büttiker-probe-based model, and a fully inelastic formulation. These models enable analysis of thermalization effects induced by electronic interactions. While the implemented models do not fully resolve the observed discrepancies, the fully inelastic formulation, yet to be implemented, offers a promising path for improving quantum transport modeling in such structures.
This work was conducted within the ANR-funded GELATO project, dedicated to developing nanoscale cooling solutions. The progress achieved contributed to the acceptance of a second ANR project, reflecting the growing interest in these technologies. The combined approach of quantum simulations, machine learning, and experimental validation provides a robust framework for the study and optimization of solid-state cooling devices, with promising applications in temperature-sensitive electronic components.