These Jalabert Full LR

Architecture de mémoire haute densité à base
d’électronique moléculaire tolérante à un très grand

nombre de défauts
Antoine Jalabert
To cite this version:

Antoine Jalabert. Architecture de mémoire haute densité à base d’électronique moléculaire tolérante à
un très grand nombre de défauts. domain_other. Télécom ParisTech, 2006. English. �pastel-00002014�
HAL Id: pastel-00002014

https://pastel.archives-ouvertes.fr/pastel-00002014
Submitted on 17 Jan 2007
HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
No d’ordre: 00000
THÈSE
présentée
devant l’Ecole Nationale Supérieure des

Télécommunications
pour obtenir
le grade de : Docteur de l’Ecole Nationale Supérieure des

Télécommunications
Spécialité Électronique et communication
par
Antoine Jalabert
Équipe d’accueil : CEA - LETI

École Doctorale : Edite
Composante universitaire : ISEP
Titre de la thèse :
Architecture de mémoire haute densité à base d’électronique

moléculaire tolérante à un très grand nombre de défauts
À soutenir le 9 novembre 2006 devant la commission d’examen
M. : Robert Baptist Président

MM. : Rachid Bouchakour Rapporteurs
Christian Piguet
MM. : Fabien Clermidy Examinateurs
Patricia Degreys
Marc Belleville
Amara Amara
No physical quantity can continue to change exponentially forever. Your job is delaying
forever.
Remerciements
Le travail présenté dans ce mémoire a été effectué au sein du service de Conception
des Micro technologies Emergentes du CEA-LETI, sur le site de Minatec à Grenoble.
Je remercie en premier lieu MM. Hervé Fanet et Jean-René Lequepeys pour la

confiance qu’ils m’ont témoignée en m’accueillant dans le service. Je remercie également
M. Marc Belleville pour m’avoir proposé ce sujet passionnant et pour avoir examiné mon
travail lors de ma soutenance de thèse. Merci également à M. François Bertrand pour
m’avoir accueilli dans le Laboratoire d’Intégration des Architectures Numériques.
Je remercie vivement MM. Amara Amara et Fabien Clermidy qui par une disponi-
bilité exemplaire et un soutien de tous les instants ont encadré ce travail de thèse.
J’adresse également mes sincères remerciements à MM. Robert Baptist, Rachid Bou-
chakour, Christian Piguet, ainsi qu’à Mme Patricia Desgreys pour m’avoir fait l’honneur
de présider, de rapporter et d’examiner ce travail.
Je tiens à exprimer toute ma sympathie aux nombreuses personnes qui m’ont accom-
pagnées et que j’ai côtoyées au cours de ces trois années de thèse, plus particulièrement,
D. Axelrad, J.M. Clerc, F. Gayral, C. Gonzalez, R. Lemaire, B. Payet, A. Peizerat, C.
Rechatin, J. Wei et K. Wood.
Je n’oublierai pas de remercier les membres du laboratoire IAN, les participants aux
projets RTB : Post-CMOS moléculaire 200mm et Nanosys, ainsi que J.P. Bourgoin,
G. Chamming’s, R. Perdriaux et D. Vuillaume qui m’ont apportés leur soutien et avec
qui j’ai partagé des discussions très fructueuses pour la réalisation de ce travail de thèse.
Enfin, il me tient à cœur de remercier spécialement ma pacsée préférée, Mlle Anne

Béal, garante de ma stabilité sociale et mentale, mais aussi et surtout, pour son sou-
tien et pour sa patience admirables. Je remercie aussi mes parents et mes proches pour
m’avoir toujours soutenu au cours de ces trois années, jusqu’au jour de la soutenance.
Table des matières
Table des matières i
Introduction générale 1
I État de l’art 7
1 Les matériaux de l’électronique moléculaire 9

1.1 Les nanofils . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2 Transistor à nanofil semiconducteur recouvert de molécules . . . . . . . 11
1.2.1 La molécules de bis(terpyridine) − F e2+ . . . . . . . . . . . . . . 11
1.2.2 Fabrication du transistor NW-FET à grille flottante molécuaire . 12
1.2.3 Analyse des caractéristiques du transistor . . . . . . . . . . . . . 13
1.2.4 Phénomènes physiques, électroniques et électro-chimiques . . . . 15
1.2.5 Commentaires à propos du transistor NW-FET moléculaire . . . 16
1.3 Les nanotubes de carbone . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.3.1 Qu’est-ce qu’un nanotube de carbone ? . . . . . . . . . . . . . . . 17
1.3.2 Propriétés électriques . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.3.3 Procédés de Synthèse : arc-discharge, laser-ablation et CVD . . . 22
1.3.4 Les nanotubes de carbone appliqués à la micro-électronique . . . 25
1.3.4.1 Les transistors FET à base de nanotubes : CNTFET . . 25
1.3.4.2 Point mémoire électro-mécanique . . . . . . . . . . . . . 26
1.3.4.3 Système Nano-électro-mécanique (NEMS) . . . . . . . . 27
1.3.4.4 Autres applications . . . . . . . . . . . . . . . . . . . . 29
1.4 Les molécules . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.4.1 Negative Differential Resistance (NDR) . . . . . . . . . . . . . . 33
1.4.2 Conformation géométrique bistable . . . . . . . . . . . . . . . . . 34
1.4.3 Multiples états d’oxydo-réduction . . . . . . . . . . . . . . . . . . 35
1.4.4 Calcul intra-moléculaire . . . . . . . . . . . . . . . . . . . . . . . 36
2 Les architectures de l’électronique moléculaire 39

2.1 Nanocell : l’approche bottom-up . . . . . . . . . . . . . . . . . . . . . . 40
2.1.1 La Nanocell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.1.2 Exploitation de la Nanocell . . . . . . . . . . . . . . . . . . . . . 42
i
ii Table des matières
2.1.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.2 Nanofabric : Reprogrammabilité et tolérance aux défauts de fabrication . 46
2.2.1 Éléments de base de la Nanofabric . . . . . . . . . . . . . . . . . 47
2.2.1.1 Le bloc logique de base : le nanoBlock . . . . . . . . . . 47
2.2.1.2 La Nanofabric . . . . . . . . . . . . . . . . . . . . . . . 48
2.2.2 La tolérance aux défauts de fabrication . . . . . . . . . . . . . . . 49
2.2.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.3 FPGA nanométrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.3.1 Architectures reprogrammables spatialement . . . . . . . . . . . . 52
2.3.2 La fabrication des NWs . . . . . . . . . . . . . . . . . . . . . . . 52
2.3.3 Diodes programmables . . . . . . . . . . . . . . . . . . . . . . . . 53
2.3.4 Adressabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.3.5 Restauration de niveau logique . . . . . . . . . . . . . . . . . . . 55
2.3.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
2.4 Interface Micro-nano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.4.1 Des transistors à partir d’un réseau de nanofils . . . . . . . . . . 56
2.4.2 L’adressage micro-nano . . . . . . . . . . . . . . . . . . . . . . . 59
2.4.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
2.5 Architecture neuromorphique . . . . . . . . . . . . . . . . . . . . . . . . 61
2.5.1 L’architecture CMOL : une architecture hybride . . . . . . . . . 62
2.5.2 Le CrossNet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
2.5.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
2.6 Automate Cellulaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
2.6.1 Qu’est ce qu’une cellule QCA ? . . . . . . . . . . . . . . . . . . . 67
2.6.2 Implémentation avec des jonctions tunnel métalliques . . . . . . . 71
2.6.3 Vers une implémentation moléculaire . . . . . . . . . . . . . . . . 73
2.6.4 Perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
2.7 Le crossbar moléculaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
2.7.1 Le crossbar d’interrupteurs moléculaires . . . . . . . . . . . . . . 75
2.7.2 Réalisation expérimentale . . . . . . . . . . . . . . . . . . . . . . 76
2.7.3 Perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
3 Les points mémoires 79

3.1 DRAM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
3.2 SRAM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
3.3 Flash . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
3.4 Cellules issues de l’électronique moléculaire . . . . . . . . . . . . . . . . 82
3.4.0.1 Stockage électronique . . . . . . . . . . . . . . . . . . . 82
3.4.0.2 Stockage électro-mécanique . . . . . . . . . . . . . . . . 83
3.5 Tableau récapitulatif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
Table des matières iii
II Contribution originale 85
4 Modélisation du transistor moléculaire NW-FET 89

4.1 VHDL-AMS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
4.2 Modélisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
4.2.1 Équations électriques . . . . . . . . . . . . . . . . . . . . . . . . . 92
4.2.1.1 Évaluation du courant IDS . . . . . . . . . . . . . . . . 92
4.2.1.2 Équations complémentaires du modèle . . . . . . . . . . 96
4.2.2 Modélisation des phénomènes d’oxydo-réduction . . . . . . . . . 96
4.3 Simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
4.3.1 Environnement de simulation . . . . . . . . . . . . . . . . . . . . 98
4.3.2 Résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
5 Présentation de la cellule mémoire moléculaire 105

5.1 La cellule mémoire moléculaire . . . . . . . . . . . . . . . . . . . . . . . 106
5.2 La cellule mémoire de base . . . . . . . . . . . . . . . . . . . . . . . . . . 107
5.2.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
5.2.2 Fonctionnement et simulation . . . . . . . . . . . . . . . . . . . . 110
5.2.3 Variations technologiques . . . . . . . . . . . . . . . . . . . . . . 113
5.3 Modélisation optimisée en temps de calcul de la cellule mémoire . . . . . 114
5.4 Conclusion et perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . 115
6 Architecture tolérante aux dispersions technologiques 117

6.1 L’outil développé en Matlab . . . . . . . . . . . . . . . . . . . . . . . . . 118
6.1.1 Aide à la saisie de caractéristique . . . . . . . . . . . . . . . . . . 118
6.1.2 Générateur de code . . . . . . . . . . . . . . . . . . . . . . . . . . 119
6.2 Architecture proposée . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
6.2.1 Politique d’intégrité de l’information . . . . . . . . . . . . . . . . 121
6.2.2 Proposition d’architecture . . . . . . . . . . . . . . . . . . . . . . 122
6.2.2.1 Séquenceur et contrôle de lecture/écriture (Read/Write
Logic and Scheduler) . . . . . . . . . . . . . . . . . . . 122
6.2.2.2 Découpage par paquets de mvBits et encodeur de code
correcteur (mvBits address Splitter and Error Code Cor-
rector Encoder) . . . . . . . . . . . . . . . . . . . . . . 124
6.2.2.3 Regroupement des paquets de mvBits et détecteur et
correcteur d’erreur (mvBits Merger and Error Corrector) 124
6.2.3 Techniques proposées pour la tolérance aux dispersions . . . . . . 124
6.2.3.1 Méthode De Base : Amplificateur de lecture semi-intelligent125
6.2.3.2 Méthode d’Évaluation d’Erreur (Error Sensing) . . . . 126
6.2.3.3 Méthode Boucle d’Évaluation d’Erreur (Boucle Error
Sensing) . . . . . . . . . . . . . . . . . . . . . . . . . . 128
6.2.3.4 Méthode Évaluation d’Erreur à Code Correcteur d’Er-
reur (Error Sensing ECC ) . . . . . . . . . . . . . . . . 130
6.3 Conclusion et perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . 136
iv Table des matières
A Chronogrammes 143
B Exemples de code 147
C Résultats de simulation 151
Bibliographie 166
Table des figures 167
Publications 173
Introduction générale
Contexte de l’étude
No one expects conventional silicon-based micro-electronics to continue fol-

lowing Moore’s Law forever. At some point, chip-fabrication specialists will
find it economically infeasible to continue scaling down microelectronics. As
they pack more transistors onto a chip, phenomena such as stray signals on
the chip, the need to dissipate the heat from many closely packed devices, and
the difficulty of creating the devices in the first place will halt or severely slow
progress.[RT02]
Au delà de l’aspect prophétique de ces quelques lignes sur l’évolution technique

de l’industrie de la microélectronique, la question fondamentale sur notre capacité à
constamment innover se pose froidement. Serons-nous capable demain de surmonter
les enjeux qui se dressent de plus en plus sûrement devant nous ? Ou pire encore,
accepterons-nous un jour la simple idée que nous sommes arrivés au bout d’un cer-
tain type d’évolution ? En regard de l’évolution industrielle récente de notre civilisa-
tion, il semblerait que nous arrivions à un point d’inflexion technique et scientifique.
Coïncidence ou causalité, c’est aussi dans les prochaines décennies que les problèmes
d’approvisionnement en énergies fossiles et de pollutions environnementales risquent
très probablement de bouleverser les différents systèmes globaux à l’échelle planétaire,
qu’ils soient politique, économique et social, et bien évidemment, technologique.
Plus proche de nous, alors que les experts scientifiques et les stratèges économiques
discutent avec acharnement de l’évolution de la fameuse loi de Gordon E. Moore [Cor05]
au delà de 2015, dans ce monde d’incertitude une chose s’impose avec évidence ; Per-
sonne ne sait vraiment quelles seront la taille, la nature et la physique des composants
électroniques de demain [SB04].
1
2 Introduction générale
Ainsi, de simples limitations au niveau de la physique fondamentale commencent à

apparaître comme de très sérieux indicateurs. La plus connue est la vitesse de commuta-
tion d’un transistor, limitée, entre autres choses par la puissance minimale dissipée, en
effet Pmini .tcommutation 2 > h, h étant la constante de Planck. La figure 1 présente le délai
moyen en fonction de la densité d’intégration de composants, en positionnant la limite
en dissipation thermique, la limite relativiste et la limite quantique, pour les circuits in-
tégrés CMOS à température ambiante. Typiquement, d’après la roadmap silicium ITRS
[itr], la technologie CMOS actuelle risque de devenir commercialement non-viable aux
nœuds 32nm ou 22nm, ce qui nous laisse environ entre 10 et 15 ans devant nous.
Fig. 1 – [Had00] : Délai moyen vs. densité de composants, montrant la limite en dissi-
pation thermique, la limite relativiste et la limite quantique, pour les circuits intégrés
CMOS à température ambiante
Cette période charnière qui semble se dessiner devant nous reflète aussi l’incroyable
complexité sans-cesse croissante qu’est la conception micro-électronique. Parallèlement
à cet approfondissement systématique de tel ou tel domaine, les connaissances et les
compétences requises s’étendent de plus en plus jusqu’à se confondre. Pour pouvoir
appréhender de manière globale la micro-électronique (nano-électronique ?) de demain,
l’homme de l’art devra probablement avoir de solides connaissances dans des domaines
variés, de l’électronique classique au monde de la chimie moléculaire en passant par la
physique quantique, la biologie, la théorie des probabilités et autres outils mathéma-
tiques indispensables.
Par ailleurs, le flot de conception, bien qu’amélioré, enrichi et optimisé, n’a pas
fondamentalement changé depuis quelques décennies et l’avènement de la synthèse de
circuit, aussi appelée compilation sur silicium. Il apparaît tout aussi clairement que le
monde de l’industrie ne changera ses méthodes de développement que si une alternative
économique et technologique viable voit le jour. Dès aujourd’hui, nous sommes déjà
très proches des limites de la lithographie optique, la longueur d’onde utilisée dans les
procédés technologiques de pointe étant 193nm en technique DUV (Deep Ultra Vio-
let). Il est attendu que l’industrie n’utilise pas le 157nm pour passer directement à la
lithographie EUV (Extreme Ultra Violet) en 2006-2007, permettant la mise en produc-
tion de la technologie < 32nm autour de 2010, une machine EUV coûtant entre 50
et 60 Millions de dollars [Bri04]. Cependant, IBM vient récemment d’annoncer qu’il
maîtrisait une nouvelle technique (High-index immersion) lui permettant d’étendre la
technologie DUV aux nœuds 32nm, repoussant encore une fois plus loin une échéance
certaine. Parallèlement, de nouvelles alternatives voient le jour, comme la lithographie
par empreinte [CKR96], la lithographie e-beam [CRRT99] [LCJ+ 02], ou encore la litho-
graphie dig-pen (Chad Mirkin). Au prix d’une usine moderne (3, 5 Milliard de dollars en
2007 d’après TSMC), l’enjeu est de taille, et les promesses de méthodes de fabrication
révolutionnaires1 attisent, à juste titre, certains appétits.
Ainsi, les nouvelles approches inaugurées par l’électronique moléculaire du type

bottom-up, où la fonctionalisation d’un circuit s’effectue après sa fabrication, auront
vraisemblablement du mal à s’imposer en tant que remplaçant de la technologie CMOS,
bien que les coûts des techniques de fabrications actuels explosent. Il semble alors raison-
nable de penser que les nanotechnologies puissent devenir complémentaires au CMOS,
dans des applications à bas-coût, et/ou pour réaliser de nouvelles fonctionnalités. Pour
y arriver, il reste cependant à démontrer son potentiel en terme de vitesse de commuta-
tion et/ou de réduction de consommation, tout du moins pour les circuits électroniques
classiques simplement transposés à l’échelle nanométrique. Les véritables circuits, ar-
chitectures et autres paradigmes de calcul adaptés aux composants de l’électronique
moléculaire restent globalement encore à inventer.
Dans la logique d’évolution des architectures de calcul vers toujours plus de puis-
1
Auto-assemblage et auto-organisation de molécules [HHDT03], assemblage bio-chimique contrôlé
par ADN [KBB+ 03], nano-assemblage par virus génétiquement modifié [NPLB04] ou encore nanofil
métallique à base d’organisme microbien [ea06]
sance, il semble de plus en plus certains pour les raisons rappelées précédemment (es-
sentiellement, fréquence et dissipation thermique) que nous soyons voué à imaginer de
nouvelles manières de traiter l’information. Cependant, paradoxalement, un sérieux frein
à la recherche de ces nouveaux paradigmes de calcul pour remplacer, ou compléter, celui
introduit par Von Neumann [vN37] réside dans le fait que la très grande majorité de la
recherche dans le domaine des nanotechnologies se focalise sur l’aspect matériaux et sur
des composants de type transistor. Le cycle n’est pas vertueux : ne sachant pas vraiment
dans quelle direction s’engager, la recherche au niveau composant s’attèle à reproduire
des composants électroniques classiques, alors qu’inversement, sans nouvelles briques de
bases ayant des fonctionnalités originales, les concepteurs de circuits ne peuvent que
transposer l’existant à l’échelle nano. Cette difficulté conduit à la situation actuelle, où
l’effort de recherche entrepris au niveau circuit et architecture pour réfléchir à la manière
d’intégrer de nouveaux nano-composants de manière fondamentalement différente, est
quasi inexistant.
Objectif et originalité de la démarche
L’objectif de ces travaux est de proposer une architecture de mémoire tolérante à

de grandes dispersions technologiques, d’un composant à un autre. En effet, que ce soit
pour le CMOS ultime ou pour les composants issus des nanotechnologies, les coûts de
fabrication pour l’un et les défauts intrinsèques pour les autres impliquent une nouvelle
approche. Cette réflexion doit permettre de transférer la complexité que représente la
maîtrise d’une technologie de pointe, vers le développement d’architectures et d’algo-
rithmes permettant de compenser ces dispersions, à moindre coût.
L’originalité de la démarche se fonde sur la mise en place d’une méthodologie prag-

matique permettant, à partir de mesures expérimentales de transistors moléculaires, de
développer et d’analyser dans un temps raisonnable des architectures complexes. Pour
cela, une modélisation de ces transistors exploite les capacités en signaux mixtes du
langage VHDL-AMS pour reproduire le comportement fonctionnel de composants issus
de la littérature. A partir de cette modélisation, nous proposons une cellule de mé-
moire aux dimensions réduites, capable de stocker plusieurs bits et réalisable dans un
même procédé technologique. Finalement, une plate-forme outil développée en Matlab
- VHDL-AMS permet de saisir les caractéristiques de composants expérimentaux et de
générer et analyser des plans mémoires réguliers où les paramètres de chaque instance
de modèle de composant peuvent subir des variations. Différentes techniques visant à

assurer l’intégrité de l’information dans les mémoires sont alors développées.
Structure de l’étude
Initialement ouvert de manière beaucoup plus large sur les architectures de calcul
à base de composants issus de l’électronique moléculaire, nous avons précisé le thème
de recherche de l’étude sur les aspects mémoire par la suite. C’est pourquoi le lecteur
trouvera dans la première partie de ce manuscrit, un état de l’art générale sur les nano-
technologies. Les deux premiers chapitres sont ainsi dédiés, respectivement, aux maté-
riaux de base de l’électronique moléculaire et à leurs applications (nanofils, nanotubes
et molécules) d’une part, et aux architectures innovantes de traitement de l’information
issues de la recherche dans ce nouveau domaine, d’autre part. Le chapitre trois pré-
sente succinctement les points mémoires commerciaux actuels avant d’en confronter les
caractéristiques à ceux issus de l’électronique moléculaire. Ce dernier chapitre, volon-
tairement concis, permet d’introduire la contribution de nos travaux développée dans
le deuxième volet de cette thèse.
La deuxième partie reprend quant à elle la structure de la méthodologie évoquée

précédemment. Le chapitre quatre présente ainsi le transistor à nanofil semiconducteur
à grille flottante moléculaire (Molecular-gated Nanowire Field Effect Transistor , MG-
NWFET) et détaille sa modélisation en VHDL-AMS. Le chapitre cinq est dédié à la
présentation, au fonctionnement ainsi qu’aux différentes modélisations d’une nouvelle
cellule de mémoire multivaluée. Finalement, le chapitre six commence par présenter la
plate-forme outil développée en Matlab - VHDL-AMS, avant de se concentrer sur l’éva-
luation et l’analyse de six techniques de tolérance aux dispersions technologiques.
Première partie
État de l’art
7
Chapitre 1
Les matériaux de l’électronique

moléculaire
Le plus souvent présentés en tant que point de départ de la recherche dans le do-
maine des nanotechnologies, les matériaux de l’électronique moléculaire ont pour points
communs leurs dimensions nanométriques qui impliquent une prise en compte de phé-
nomènes physiques et électriques jusqu’à présent ignorés.
Nous présenterons dans un premier temps la famille des nanofils, avant de nous
intéresser plus spécifiquement à un de ses dérivés où le matériau semiconducteur est re-
couvert de molécules. Nous détaillerons ensuite le domaine des nanotubes, en abordant
leurs propriétés peu communes ainsi qu’un tour d’horizon de leurs nombreuses possibi-
lités d’applications. Nous clôturerons ce chapitre en présentant différentes applications
de molécules dont certaines caractéristiques originales sont exploitées.
Finalement, pour se donner une idée de l’incroyable inventivité et de la large éten-

due du domaine des matériaux issus des nanotechnologies, le lecteur pourra consulter
régulièrement les publications de la revue Nano Letter [nan].
1.1 Les nanofils
Les nanofils sont une famille de nano structures, appelés également nano maté-
riaux, étudiés par un grand nombre d’équipes de recherche. Ils tirent leur appellation de
leur largeur nanométrique (environ 10nm) et du fait de leur rapport longueur/largeur
9
10 Les matériaux de l’électronique moléculaire
souvent supérieur à 1000. Ces propriétés font qu’ils sont référencés dans la catégorie
des matériaux à une seule dimension (1D) où les phénomènes quantiques ne sont plus
négligeables. Pouvant être isolants (ex : SiO2 ,T iO2 ), métalliques (ex : Ni, Pt, Au) ou
semiconducteurs (ex : InP, Si, GaN), ils focalisent aujourd’hui un effort considérable
dans la perspective de pouvoir réaliser des composants électroniques innovants. Les na-
notubes de carbone font partie de la famille des nanofils, leurs propriétés physiques et
électroniques peu courantes font que nous leur consacrerons une section à part entière
(section 1.3).
Les réalisations et les domaines d’application des nanofils semiconducteurs sont va-
riés, avec, par exemple, de la logique à diode permettant de réaliser des portes logiques
(figure 1.1) et du calcul [HDC+ 01], une interface originale sous la forme d’un décodeur
d’adresse entre les mondes micro et nano électronique [ZWC+ 03] (section 2.4) et des
transistors à effet de champs (NW-FET) [jWM+ 04] [McE00] [Avo02a]. Parce qu’ils sont
le point de départ de la contribution scientifique de cette thèse (partie II), c’est une
sous-famille de ces derniers que nous avons choisi d’approfondir dans la suite de cette
partie.
Fig. 1.1 – [HDC+ 01] : Nanologique à base de nanofil : (A) Illustration d’une porte lo-
gique OR réalisée à partir du croisement d’un nanofil semiconducteur de type N par des-
sus deux nanofils de type P. Au dessus, Image SEM (échelle 1µm) du circuit réalisé (B)
Niveau électrique pour toutes les combinaisons logiques possibles (0,0) ;(0,1) ;(1,0) ;(1,1)
avec niveau logique ’0’ valant 0V et niveau logique ’1’ valant 5V (C) Table de vérité de
la fonction logique
Transistor à nanofil semiconducteur recouvert de molécules 11
1.2 Transistor à nanofil semiconducteur recouvert de mo-

lécules de bis(terpyridine) − F e2+
Cette section décrit la structure et le fonctionnement du transistor à effet de champ
à nanofil à base de molécule (NW-FET moléculaire). Les publications relatives à ce type
de transistor sont [LFL+ 04] [LHL+ 03] [ZLH+ 03] [LLL+ 04] et [LFS+ 04]. Il est à noter
que certains phénomènes observés sont pour le moment encore mal compris. Nous pré-
senterons brièvement la molécule de bis(terpyridine) − F e2+ avant de nous intéresser
à la fabrication et aux caractéristiques électriques de ce transistor innovant.
1.2.1 La molécules de bis(terpyridine) − F e2+
D’après [SCG+ 94][MA96][DBSA01], la structure en coordination octahédrale de

cette molécule permet aux complexes entre bis − (terpyridine) et métal d’avoir une re-
marquable stabilité chimique et électronique vis-à-vis des réactions d’oxydo-réduction.
Autrement dit, cette molécule à différents états électroniques stables. Un modèle d’uti-
lisation de ces molécules est de stocker des charges électriques au niveau de l’atome
métallique (Figure1.2(a)) et les ligands de la terpyridine comme barrière isolante pour
le transfert de charge (Figure1.2(b)) [PPG+ 02].
(a) [LFS+ 04] : Molécule de (b) Ligand utilisé

bis(terpyridine) − F e2+ sans li- dans l’article
gand (X) [LFL+ 04]
Dans [LFL+ 04], les molécules ont été synthétisées en suivant des méthodes issues de
la littérature [MA96] [DBSA01] et elles ont été caractérisées par 1 H et 13 C NMR, par
spectroscopie de masse et par analyse élémentaire. Des études de voltamétrie cyclique
ont par ailleurs révélé que la molécule exhibait un comportement de transfert d’élec-
trons réversible, sous la forme d’un cycle d’hystérésis, avec une paire de pic rédox1 de
F e(II)/F e(III) autour de 0.8-0.9V .
1
Molécules en solution dans de l’acetonitrile, en utilisant une sonde Ag/AgN O3
1.2.2 Fabrication du transistor NW-FET à grille flottante molécuaire

La fabrication de ce transistor moléculaire à nanofil à effet de champ (NW-FET)
est réalisée expérimentalement de la manière suivante. Tout d’abord, un nanofil mono-
crystallin d’oxyde d’indium In2 O3 de 10nm de largeur est fabriqué par ablation laser
(méthode décrite dans [CL01] [LHL+ 03] [ZLH+ 03]), figure 1.2(a). Il est ensuite greffé
entre deux électrodes et sa fonctionalisation se poursuit par immersion dans une solution
de 0.5mM de molécules qui seront absorbées / auto-assemblées à la surface du nanofil
[YZGG00]. La figure 1.3 illustre les deux dernières étapes du procédé. Une épaisseur
de 20Å a été déduite de mesures d’ellipsométrie [LFL+ 04] avant et après le dépôt de la
mono-couche.
Fig. 1.2 – [LFL+ 04] : (a) Image SEM d’un nanofil mono-crystalin de In2 O3 synthétisé
par ablation laser (b) Image SEM du transistor réalisé. Cadre : Image TEM haute-
résolution du nanofil
Fig. 1.3 – [LLL+ 04] : Procédé de fabrication du NW-FET moléculaire
Ainsi réalisé, le transistor à nanofil moléculaire occupe une surface de 2µm (longueur
du canal) par 10nm (largeur du nanofil). Pour des raisons de fabrication, et de manière
à ce que la mono-couche de molécules ne soit pas recouverte, la grille de contrôle se re-
trouve sous l’oxyde. La figure 1.4 illustre la coupe du transistor ainsi obtenu [LFL+ 04].
Oxide
S D Métal
Nanofil
G Grille en face arrière
Molecules
Fig. 1.4 – [LFL+ 04] : Coupe schématique du transistor NWFET moléculaire proposé
par Meyyappan et al.
1.2.3 Analyse des caractéristiques du transistor

Tout d’abord, il est intéressant de noter que le même transistor, constitué seule-
ment d’un nanofil mono-crystallin d’oxyde d’indium caractérisé (Figure1.2(b)), sans les
molécules de terpyridine à noyau de Fer, présente bien une caractéristique IDS (VGS )
similaire à celle d’un transistor de type N-MOS enrichi (Figure1.5).
Fig. 1.5 – [LFS+ 04] : Transistor à nanofil sans noyaux métalliques par Meyyappan et
al.
Des mesures de voltamétrie cyclique ont révélé la présence de cycles d’hystérésis

lors de l’association de différents ligands avec des molécules de Co-Porphyrine ou de
bis(terpyridine) − F e2+ [LFL+ 04] [LLL+ 04] [LFS+ 04]. En comparant les caractéris-
tiques présentées, nous nous intéressons plus particulièrement au dispositif utilisé dans
l’étude [LFL+ 04]. En effet, en contrôlant de manière précise la tension de grille, il est
possible de pouvoir obtenir jusqu’à huit courants IDS différents2 . Ces différences de
conduction sont séparées d’environ 500nA entre chaque état3 (Figure 1.6), ce qui per-
met de distinguer 8 états, soit 3 bits d’information. On peut ainsi dire que le composant
NWFET moléculaire dispose d’une grille flottante, constituée par la mono-couche de
molécules.
Les figures 1.6(a) et 1.6(b) présentent les caractéristiques IDS (VGS ) pour VDS =
−75mV et IDS (VDS ) pour VGS = 0V , respectivement.
Fig. 1.6 – [LFL+ 04] : Caractéristiques électriques du transistor moléculaire, (a)

IDS (VGS ) à VDS = −75mV (b) IDS (VDS ) pour VGS = 0V
La Figure1.6.(a) représente les cycles d’hystérésis du courant IDS en fonction de VGS

avec VDS = −75mV , obtenus en faisant passer le potentiel de la grille de −n ∗ 2.5V à
10 + n ∗ 2.5V puis de nouveau à la valeur de départ. n est l’index des différents états
du transistor NW-FET moléculaire, depuis "2" (courbe la plus au centre) jusqu’à "8"
(courbe extérieure). Par soucis de lisibilité, le tracé de la courbe "1" a été ignoré. On re-
lève très clairement les 8 états de conduction du transistor pour VG = 0. Le constat que
la tension de seuil VT est programmable constitue le point de départ de notre réflexion
pour utiliser ce transistor moléculaire dans une cellule mémoire multivaluée présentée
dans la deuxième partie.
La Figure1.6.(b) illustre quant à elle les caractéristiques IDS −VDS enregistrées après
que le transistor eut été programmé par impulsion sur la grille (avec la source suppo-
sée comme référence), pour les différentes valeurs de VG = +25, −2.5, −5, −7.5, −10,
2
Une fois la tension de programmation appliquée sur la grille, la lecture s’effectue à VG = 0
3
Pour VDS = 0.5V
−12.5, −15, −17.5 et −20V . Ce qui donne respectivement, la conductance de l’état le

plus résistif ("0") à celle de l’état le moins résistitif ("8").
Finalement, le tableau 1.1 donne les différentes valeurs de résistance, extraites par
interpolation linéaire des caractéristiques, valable pour −0.5V ≤ VDS ≤ 0.5V .
Résistance du canal (Ω) pour VGS = 0 VP U LSE (V ) Etat

74k −20 ”8”
90k −17.5 ”7”
105k −15 ”6”
136k −12.5 ”5”
204k −10 ”4”
303k −7.5 ”3”
522k −5 ”2”
1176k −2.5 ”1”
"Hautement résistif" +25 ”0”
Tab. 1.1 – Différents niveaux de résistivité du canal
1.2.4 Phénomènes physiques, électroniques et électro-chimiques

D’un point de vue composant, les phénomènes physiques, électroniques et électro-
chimiques en jeu restent encore relativement mal compris. On peut cependant avancer
plusieurs explications aux phénomènes observés.
D’une part, les phases que l’on qualifiera programmation (pour VGS << 0V ) et
celle appelée effacement (pour VGS >> 0V ), ont pour conséquence de respectivement
oxyder (F e2+ −→ F e3+ ) et réduire (F e3+ −→ F e2+ ) la population de molécules par
effet électrostatique interposé. En effet, la grille étant située sous le canal et séparée du
nanofil semiconducteur par un oxyde de Si O2 , une différence de potentiel négative va
engendrer l’accumulation de charges négatives sur l’armature métallique qu’est la grille,
en conséquence de quoi une accumulation de charges positives se formera dans le nano-
fil. C’est cette armature intermédiaire qui va, grâce à la présence de multiples charges
positives, capter les électrons libres présents autour des noyaux de Fer des molécules de
bis(terpyridine) − F e2+ et ainsi les oxyder en F e3+ .
D’autre part, VGS étant ramené à 0V , c’est la charge moyenne de la population

de molécules, autrement dit la proportion de molécules oxydées par rapport à celles
réduites, qui va jouer le rôle d’une grille electro-chimique autour du nanofil semiconduc-
teur, modulant ainsi la tension de seuil de conduction VT et donc le courant traversant le

canal à VGS = 0 pour VDS 6= 0 (Figure 1.6(b)). Inversement, une différence de potentiel
positive de VGS (à VDS faible) réduira les molécules.
La maigre littérature dans le domaine nous renseigne que c’est a priori l’ampli-
tude seule du signal appliqué sur la grille qui va déterminer le nombre de molécules
réduites ou oxydées, avec pour conséquence une variation du seuil de conduction VT .
Par ailleurs, le comportement en fréquence de ce type de transistor est actuellement
inconnu. A l’image de la grille flottante d’un point mémoire flash, la couche moléculaire
agit donc comme une grille programmable à effet mémoire.
Cependant, toutes les molécules ne semblent pas réagir de la même façon pour un
VGS donné, à VDS faible. La localisation physique des molécules sur le nanofil, la disper-
sion sur les seuils d’oxyo-réduction de chaque molécule (jusqu’à 300mV de différence), la
qualité et l’épaisseur variable des différentes couches de matériaux peuvent expliquer ce
phénomène. C’est donc un ensemble de paramètres bien distincts qui permet d’obtenir
plusieurs niveaux programmables de courant, avec une différence de conduction utili-
sable par l’électronique de contrôle CMOS. Par exemple, environ 500nA entre chaque
état à VDS = 0.5V , comme sur la figure 1.6.
1.2.5 Commentaires à propos du transistor NW-FET moléculaire
Ce transistor NW-FET moléculaire, bien que toujours à l’état de prototype de la-

boratoire, apparaît donc comme un candidat très prometteur pour réaliser un stockage
haute densité d’information. Une grande partie de ses caractéristiques physiques et
électriques demandent encore du travail (canal moins long, rétention de la charge amé-
liorée, potentiels de contrôle plus faibles,. . .), mais le principe de base d’utiliser une
monocouche moléculaire comme grille-flottante semble bien acquis.
A la lecture approfondie des différentes publications relatives à ce transistor [LFL+ 04]

[LHL+ 03] [ZLH+ 03] [LLL+ 04] [LFS+ 04], il semble que le nombre d’états de charge ne
dépend en fait que de la faculté à les discerner les uns des autres au moment de la phase
de lecture. Cela permet de formuler les hypothèses suivantes :
– D’une part, une réduction de la longueur du canal, et donc par conséquence du
nombre de molécules greffées sur le nanofil, est envisageable.
– D’autre part, cette réduction physique pourrait ne pas s’accompagner d’une dimi-
Les nanotubes de carbone 17
nution du nombre d’états exploitables du transistor, à la condition que les circuits

de lecture et, dans une moindre mesure, d’écriture soient capables de plus de
précision.
– Finalement, en poussant encore un peu plus loin le raisonnement, et en prenant
pour hypothèse que chaque molécule puisse être adressable (par exemple en mo-
dulant la tension VDS indépendamment de VGS ), le nombre d’états de conduction
(Eq.1.1) devrait être égal en théorie, au produit du nombre de molécules greffées
par le nombre d’états d’oxydo-réduction de la molécule.
Nombre d’état ≤ Nombre de molécule · nombre d’états d’oxydo-réduction (1.1)
1.3 Les nanotubes de carbone

Superstar médiatique volant la vedette aux autres types de nanofils (Cf. section 1.1
page 9), les nanotubes de carbone (Carbon Nanotube ou CNT) sont devenus en l’espace
de quelques années l’emblème de la nano-électronique, tant sur le plan scientifique qu’au
niveau de son marketing. Découverts en 1991 par S.Iijima (NEC, Japon), ils sont de-
puis au centre d’un important effort de recherche, impliquant des chercheurs d’horizons
variés tels des chimistes, des physiciens et des électroniciens. Élément supplémentaire
révélant le fort potentiel de ce nouveau matériau, des industriels majeurs tels IBM,
Infineon (Figure 1.7) ou encore Motorola ont aussi décidé d’investir ce domaine en dé-
ployant de gros moyens leur permettant d’être à la pointe au niveau technologique. De
part leurs propriétés physiques et électroniques peu ordinaires (figure 1.8), les CNTs
apparaissent comme un des nano matériaux clés dans les perspectives d’évolution futur
de la micro-électronique [AjAD+ 02].
Après avoir décrit les différents types de CNT, détaillé leurs propriétés de transport
électronique et présenté plusieurs méthodes de synthèse, nous dresserons un tableau du
large domaine d’application de ce nouveau matériau.
1.3.1 Qu’est-ce qu’un nanotube de carbone ?
Le matériau graphite est composé d’une superposition de feuilles d’atomes de car-

bone organisés en réseau hexagonal plan. Chaque feuille est faiblement liée électroni-
quement à celle du dessus ainsi qu’à celle du dessous. C’est le principe de base d’une
Fig. 1.7 – [SGK+ 05] : Vue d’artiste du plus petit transistor à nanotube au monde par
Infineon, son canal mesure seulement 18nm !
Domaine Propriété Donnée
Couches Nanotubes monoparois (SWNTs) ou multiparois (MWNTs)
Rapport largeur / Longueur 10-1000

Géométrie Entre ~0,4nm et 3nm (SWNTs)
Diamètre
Entre ~1,4nm et 100nm (MWNTs)
Longueur Quelques µm
Module de Young (dureté) ~1 TPa (Par comparaison, fer: 0,2 TPa)
Mecanique Résistance à la rupture 45 GPa (Par comparaison, fer: 2 GPa)
3 3
Densité 1,33~1,4 g/cm (Par comparaison, Aluminium: 2,7 g/cm )
Conductivité Métallique ou Semi-conducteur
3 3
Electronique Densité maximale de courant ~1TA/cm (Par comparaison, cuivre: 1GA/cm )
Emission de champ Active le phosphore à 1~3V
Thermique Capacité à dissiper la chaleur >3kW/mK (Par comparaison, diamant: 2kW/mK)
Fig. 1.8 – Différentes propriétés des nanotubes de carbone
fourniture de bureau très courante ; le crayon à papier ! En effet, le trait laissé par un
crayon n’est autre qu’un ensemble de feuilles de graphite déposées à la surface d’un
support. On peut ainsi considérer un nanotube de carbone comme étant une feuille de
graphite qui s’est enroulée sur elle même pour former un tube, éventuellement fermée
aux deux extrémités. Cette structure, a priori extrêmement simple, se révèle être très
complexe et débouchant sur de multiples usages. Ainsi, la direction de l’enroulement ou
chiralité, est structurellement importante, elle détermine en effet les caractéristiques de
la structure électronique du nanotube (figure 1.9).
(8,8)
(10,-2)
(8,0)
a2 a1
Fig. 1.9 – [Dai02] : Schéma d’une structure de graphite. a1 et a2 sont les vecteurs de
base du réseau. En enroulant la feuille pour former un cylindre de façon à ce que les
deux extrémités d’un vecteur (m,n) du réseau se joignent, on obtient un nanotube (m,n).
Les indices m et n déterminent le diamètre du nanotube et sa chiralité. Cette dernière
désigne le motif d’arrangement formé par les atomes de carbone constituant le CNT
Les nanotubes définis par une seule feuille de graphite sont appelés monoparois ou
Single Wall NanoTubes (SWNTs), alors que ceux désignés par le terme multiparois ou
Multi Wall NanoTubes (MWNTs) sont composés de plusieurs SWNTs coaxiaux, chacun
pouvant être de chiralité différente.
D’un diamètre moyen de 1.4nm (mini 0.4nm), les SWNTs (fig.1.11(a)) sont souples,
ils supportent le fait d’être tordus ou aplatis et ils peuvent, dans une certaine mesure,
s’allonger sans casser. Leur production est plus difficile comparée à celle des multipa-
rois. Ces derniers (fig.1.11(b)) sont constitués d’une multitude de couches (près de 50
pour le maximum constaté), chacune d’elles pouvant être de chiralité différente. Les
MWNTs contiennent beaucoup plus de défauts que les monoparois, ce qui a pour effet
de diminuer leurs propriétés, dont le tableau de la figure 1.8 rappelle quelques valeurs
caractéristiques. Dans les deux cas, les longueurs observées expérimentalement peuvent
aller jusqu’à quelques centaines de microns.
Fig. 1.10 – Structures possibles d’un CNT (droite) Il existe une multitude de motifs
possibles, les deux principaux étant le zigzag (m,0) et l’armchair (m,m). Les autres
structures présentant des colonnes d’hexagone en spirale autour de l’axe du nanotube
sont dites chirales (gauche) Sur le NT Zigzag, le motif est horizontal, sur le NT Armchair
le motif est vertical
Fig. 1.11 – [PH03] : (droite) Modélisation d’un nanotube monoparoi (gauche) Modéli-
sation d’un nanotube multiparois
1.3.2 Propriétés électriques
Une caractéristique des nanotubes de carbone est l’extrême sensibilité de leurs pro-
priétés électroniques à la chiralité de leur structure. Un SWNT peut être métallique,
semi-conducteur, à grand ou petit gap, suivant les valeurs des paramètres structuraux
(m,n).
Ainsi un nanotube arm-chair (Figure 1.10) est métallique, et les nanotubes dont les
paramètres (m,n) respectent la condition m − n 6= 3 ∗ p où p est un entier, sont de type
semi-conducteur.
La principale difficulté aujourd’hui identifiée expérimentalement est que la qualité

des contacts avec les électrodes est primordiale. En particulier, les nanotubes métal-
liques peuvent être considérés comme des fils quantiques présentant des comportements
électriques différents en fonction de la nature des contacts des électrodes utilisées.
– Dans le cas d’une grande résistance de contact, c’est à dire plus importante que la
h
résistance quantique (RC >> RQ = 2e2
), le nanotube forme une barrière tunnel
avec les contacts. A basse température, on observe les phénomènes de blocage de
coulomb, dans ce régime le transport électronique s’effectue électron par électron,
l’aspect particule de ceux-ci est prépondérant. A haute température, le nanotube
présente un comportement de liquide de Luttinger, c’est à dire que la conductance
d’un CNT métallique varie comme une fonction puissance avec la température ou
la tension appliquée [MB99].
– Dans le cas de contacts électriques parfaits, c’est à dire une résistance de contact
faible, un nanotube sans défaut présente en théorie une résistance valant la moi-
tié du quantum de résistance, soit une résistance dans le transport balistique de
6, 45KΩ. Dans un tel régime, le nanotube ne dissipe pas de chaleur, les électrons
n’étant pas arrêtés par le milieu traversé. Cette caractéristique en font de bons
candidats pour l’implémentation de fils moléculaires.
En ce qui concerne les nanotubes multiparois, il semble que la conduction soit ma-
joritairement assurée par le nanotube externe.
Les défauts dans le réseau structurel d’un nanotube modifient fortement ses pro-
priétés électriques. Quelles sont la nature et la position exactes de ces défauts ? Quelles
sont leurs relations avec les propriétés de transport ? Ce sont des questions auxquelles
tente de répondre la communauté scientifique, en abordant le problème, par exemple,
par l’approche de la simulation numérique et du calcul ab-initio [JK01].
Les nanotubes monoparois semiconducteurs présentent un comportement transistor

à température ambiante. Leur conductance peut ainsi varier de plusieurs ordres de gran-
deur sous l’effet d’une tension de grille. C’est pourquoi un important effort de recherche
porte actuellement sur la réalisation de transistors hautes performances de type FET à
base de nanotubes de carbone.
1.3.3 Procédés de Synthèse : arc-discharge, laser-ablation et déposi-

tion par vapeur chimique
Les principales techniques de fabrication des NT mono et multiparois sont les mé-
thodes arc-discharge, laser-ablation et la déposition par vapeur chimique (CVD). Ce-
pendant, la synthèse de SWNTs nécessite des conditions plus drastiques ainsi qu’un très
haut niveau de contrôle, ce qui rend leur obtention beaucoup plus difficile.
Lors de la fabrication par arc-discharge [CJ97], un arc électrique est généré entre
deux électrodes sous une atmosphère de gaz neutre (hélium, argon). Ces deux électrodes,
la cathode et l’anode, sont des bâtons de graphite présentant un orifice rempli d’un mé-
lange de catalyseur métallique (Fer, nitrate) et de poudre de graphite. La synthèse est
rapide (2mn), ce qui rend ce procédé moins coûteux et plus rapide que celui dit par
laser-ablation. Ce dernier, présentée dans [AT96], est similaire à la précédente méthode,
exception faite de l’utilisation du laser pour évaporer le carbone.
Chacun des deux procédés conduit à la synthèse d’un grand nombre de nanotubes
entremêlés et mélangés à des impuretés, ce qui complique très sérieusement les étapes
de purification. Bien que ces méthodes mettent en jeu des températures très élevées,
supérieures à 3000°C, elles ont l’avantage d’avoir un très bon rendement (70%) vis-à-vis
de la quantité de graphite introduite.
Dernière méthode décrite, la synthèse par dépôt en phase vapeur, ou CVD [HD96],
consiste en la décomposition par catalyse d’un hydrocarbure dans un four entre 500
et 1200°C. Lors du refroidissement du système, la croissance des nanotubes s’effectue
sur des catalyseurs, qui sont généralement des nano-particules de fer, de nitrate ou de
cobalt. Se déroulant le plus souvent sur une surface d’oxyde d’aluminium poreux, cette
technique permet d’obtenir des NTs alignés (Figure 1.12).
Les trois méthodes décrites ne permettent pas de maîtriser la chiralité des NTs syn-
Fig. 1.12 – [Dai02] : Image au MEB d’un réseau de MWNTs. Chaque tour est un paquet
de MWNTs orientés perpendiculairement à la surface.
thétisés, autrement dit, il n’est pas aujourd’hui possible de choisir la propriété électrique
du NT. Par conséquent, une étape de tri post-fabrication doit être réalisée pour distin-
guer les NTs semiconducteurs des NTs métalliques. Une méthode assez répandue utilise
la pointe de microscope à force atomique (Atomic Force Misroscope ou AFM), d’autres
procédés de tri existent, comme par exemple la destruction constructive [HTA04], qui
consiste à détruire dans un bouquet de SWNTs ceux qui sont métalliques, permettant
ainsi de ne garder que les NTs semi-conducteurs.
Suggéré précédemment, l’intégration des NTs dans un circuit, permettant par exemple
de le caractériser, est une étape distincte de la synthèse. C’est à dire qu’il faut passer
par plusieurs étapes complexes pour pouvoir tester expérimentalement un circuit, en
commençant d’abord par fabriquer les nanotubes, puis par les trier, pour pouvoir en-
fin les déposer au bon endroit sur un wafer. C’est pourquoi une partie de la recherche
actuelle dans le domaine se focalise sur la synthèse in situe de nanotubes de carbone,
permettant en un seul procédé de faire croître les NTs localement sur le circuit (figure
1.13) [YT04].
Une approche encore plus exotique pour faire croître des NTs in situe est proposer
par Braun et al. de l’institut de technologie à Haïfa, Israël. L’idée est de placer préci-
Fig. 1.13 – [YT04] : (a) schéma d’un décodeur CNT, (b) image au MEB d’un CNT
entre 2 électrodes
Fig. 1.14 – Image au MEB d’un SWNT contacté par des fils d’or auto-assemblés sur
de l’ADN [KBB+ 03]
sement les nanotubes par auto-assemblage en utilisant des brins d’ADN (Figure 1.14
[KBB+ 03]).
L’opération s’effectue sur un wafer de silicium couvert d’oxyde. Un brin d’ADN syn-
thétique posé en surface code une information sur la destination précise du nanotube.
Ce nanotube, convenablement fonctionnalisé en solution, s’apparie au brin d’ADN par
l’intermédiaire de procédés mettant en jeu d’autres brins d’ADN et des protéines. En-
fin, les extrémités sont contactées avec de l’or qui s’auto-assemble sur le brin d’ADN
fonctionnalisé par de l’argent.
Finalement, bien que plusieurs scénarios crédibles soient avancés et que différentes
techniques de synthèse existent, la compréhension et la maîtrise du processus de crois-
sance n’en sont encore qu’à leurs balbutiements. Pour plus de précisions sur ces méca-
nismes complexes, le lecteur pourra se référer à [LD03] et [Pop04].
1.3.4 Les nanotubes de carbone appliqués à la micro-électronique
1.3.4.1 Les transistors FET à base de nanotubes : CNTFET
Fig. 1.15 – [JGW+ 03] : Transistor CNT, image au MEB (droite), à l’AFM (gauche)
Généralement plus performant, les transistors à base d’un ou plusieurs nanotubes

monoparois constituant le canal sont aussi plus difficiles à réaliser. La fabrication d’un
tel transistor peut s’effectuer de la manière suivante ; Les électrodes sont d’abord gra-
vées sur le substrat, avant que des nanotubes en solutions ne soient dispersés sur la
surface. Ensuite, généralement à l’aide d’une pointe AFM, ils sont choisis et correcte-
ment positionnés [VD01] [BHND01]. Le nanotube utilisé comme canal conducteur, c’est
le substrat en face arrière qui assure le potentiel électrique de grille.
Les transistors utilisant un nanotube semi-conducteur comme canal sont toujours de

type p par défaut. On suppose que ceci est dû à une réaction de l’oxygène de l’air avec
les contacts métal-nanotube, contrôlant ainsi l’injection des porteurs de charge dans le
dispositif [Avo02b].
Une technique pour obtenir des transistors de type n consiste à doper chimiquement
le nanotube. Avouris et al. d’IBM Research à New York, propose un autre procédé
consistant en un recuit du transistor dans un environnement vidé d’air [VD01].
Cependant, quelle que soit la méthode, cette transformation n’est pas définitive,
une fois exposé à l’air, le transistor redevient de type p. Une solution consiste alors à
encapsuler le transistor sous un film isolant [VD01]. La figure 1.16 montre une porte
logique inverseur, constituée d’un même CNT ayant une partie p et une partie n servant
de canal pour deux transistors, la partie exposée ayant été dopée au potassium [VD01].
Fig. 1.16 – [VD01] : (a) image AFM d’un inverseur à CNTFET, (b) caractéristique
mesurée
Afin d’améliorer les caractéristiques électriques des transistors, les contacts électrodes-
nanotubes doivent être améliorés. En utilisant des électrodes de palladium, Daï et al.
propose une solution pour réduire les barrières Schottky au contact métal-nanotube
semiconducteur dans un transistor constitué d’un nanotube monoparoi [JGW+ 03].
D’autre part, toujours dans un but applicatif type transistor, Martel et al. a dé-
montré l’utilisation de nanotubes métalliques dans la fabrication de transistors à peu
d’électron (SET) [Mar03].
1.3.4.2 Point mémoire électro-mécanique
Soumis à un potentiel électrique, un nanotube suspendu entre deux électrodes aura

tendance à se courber. La mémoire électro-mécanique de la start-up Nantero (Fig.1.18)
Fig. 1.17 – Interrupteur électro-mécanique à base de nanotube présentée par Nantero

[Pau04]. (a) position OFF (b) position ON
exploite cette propriété en disposant sous chaque colonne de nanotubes suspendus, une
ligne jouant le rôle de contre-électrode. La distance entre les deux électrodes est de
180nm et la distance entre les nanotubes et la contre-électrode est de 18nm [JMB+ 04].
Une fois courbé, un paquet (fabric) de nanotubes en contact réalise la mémorisation

d’un 1 (Fig.1.17(a)). Inversement, en appliquant le même potentiel à la fois aux nano-
tubes et à la contre-électrode le paquet de nanotubes se déconnectera et l’information
sera lue comme étant un 0 (Fig.1.17(b)). Le rapport RON sur ROF F est d’environ 103 .
Ces états étant non-volatiles et théoriquement insensibles aux radiations et rayonne-
ments de type alpha et gamma induisant des bit-flips dans les mémoires électroniques
conventionnelles, cette architecture de mémoire très haute densité et faible consomma-
tion devrait être extrêmement attractive pour les applications nécessitant un très haut
niveau de fiabilité [RKJ+ 00] [Pau04].
Fig. 1.18 – Mémoire électro-mécanique NRAM à base de nanotube présentée par Nan-
tero [Pau04]
1.3.4.3 Système Nano-électro-mécanique (NEMS)
Les systèmes nano-électro-mécanique ou NEMS font partie d’un nouveau domaine

de recherche dont la croissance et le potentiel applicatif ne cessent de s’accroître. L’idée
de base derrière le concept de NEMS est l’utilisation du fort couplage électromécanique
qui existe entre les dispositifs à l’échelle nanométrique, où les forces de Coulomb engen-
drées par l’activité du composant sont comparables en force aux liaisons chimiques. De
part leurs propriétés chimiques, physiques et électroniques, leurs poids et dimensions
réduites et leurs rigidités exceptionnelles, les nanotubes de carbone sont d’excellents
candidats pour la réalisation de NEMS.
Théoriquement, ces nano-systèmes à base de nanotubes pourraient avoir une fré-

quence de fonctionnement dans la gamme du Gigahertz 4 qui les rendraient extrême-
ment attractif pour un grand nombre d’applications. Plusieurs prototypes de NEMS à
base de nanotubes de carbone ont déjà été démontrés, comme des nano-pinces (figure
1.19) [KL99] [Nos01], une mémoire type RAM présentée ci-dessus (section 1.3.4.2), et
différents types de capteurs [ZCB+ 00] [ASP+ 01].
Fig. 1.19 – Degré d’ouverture (en fonction d’une différence de potentiel) d’une nano-
pince à base de nanotubes de carbone permettant la manipulation d’objet à l’échelle
moléculaire [KL99]
Récemment, par l’utilisation de nanotubes multiparois, un dipôle de type interrup-

teur ainsi qu’un tripôle de type relais (figure 1.20) ont été étudiés théoriquement et
expérimentalement [LLM+ 04]. L’étude a montré que le nano-relais pouvait théorique-
4
La fréquence du gigahertz est compatible avec les nanotubes de diamètres 5nm et de longueurs de
l’ordre de 100nm
ment jouer le rôle d’interrupteur dans la gamme de fréquence du GHz, ouvrant ainsi
de large perspective d’application dans les domaines de la logique, des mémoires, des
générateurs d’impulsion et des amplificateurs de courant ou de tension. [LLM+ 04] pré-
sente le premier nano-relais à base de MWCNT et mesure expérimentalement le courant
source-drain en fonction de la tension de grille.
Fig. 1.20 – [LLM+ 04] : Schéma de principe du nano-relais. Le système comprend un

nanotube multiparois tenu par une électrode de source (S), suspendu au dessus d’une
grille (G) et d’une électrode de drain (D). H = 150nm, LG = 1µm, LD = 1.5µm.
1.3.4.4 Autres applications
Pour plus de précision, le lecteur pourra en partie satisfaire sa curiosité en se référant

à une publication relativement complète synthétisant les aspects théoriques et expéri-
mentaux de l’électronique et de l’opto-électronique à base des nanotubes de carbone
[HTA04].
Émission de lumière Les nanotubes peuvent être utilisés comme d’excellentes sources
de photons, réalisant par exemple, de minuscules diodes électroluminescentes (figure
1.21), permettant même d’envisager de l’interconnexion optique sur puce. Une méthode
pour générer des photons consiste à utiliser la propriété d’ambipolarité d’un nanotube
de carbone semiconducteur structurellement parfait. En maintenant le transistor dans
VD
un état bloqué suivant la condition VG = 2 , cela conduit à injecter la même quantité
d’électrons au niveau de l’électrode de source que de trous au niveau de l’électrode de
drain. De cette manière ils se recombinent dans le canal de conduction en émettant
des photons. Il a été démontré que la position de recombinaison peut être précisément
contrôlée par le potentiel de grille. Cette approche a été réalisée expérimentalement par
Bell Labs et par IBM [HTA04].
Fig. 1.21 – [HTA04] : Vue d’artiste d’une source de lumière à partir d’un simple nano-
tube de carbone.
Émetteurs à effet de champ pour écrans plats [Dij06] Les structures classiques
pour faire de l’émission de champ (Field Emission Device ou FED) sont les structures
diodes où les émetteurs sont au potentiel de la cathode qui est disposée en regard d’une
électrode polarisée positivement : l’anode (figure 1.23(droite)). Ce dispositif très simple
n’est pas bien adapté pour faire des dispositifs utilisant l’émission de champ comme des
écrans. En effet, le champ d’extraction qui est imposé par une électrode assez éloignée
nécessite l’application de forts potentiels, ce qui pose des problèmes de commutation.
Samsung a présenté en 1999 un prototype d’écran couleur de 9" de diagonal (576x242
pixels) utilisant cette technique FED [Cho99], figure 1.22.
De manière à contourner les différents problèmes liés à l’utilisation de potentiels

très élevés, la structure alternative est une structure triode (figure 1.23(gauche)). Dans
ces conditions, les électrons sont extraits au moyen d’un champ appliqué par une grille,
cette grille proche de l’émetteur permet d’appliquer des tensions beaucoup plus basses
par rapport au FED pour obtenir un courant d’émission. Les électrons sont accélérés
par le champ de l’anode.
Une structure triode originale basée sur des paillassons de nanotubes compatible
avec une réalisation grande surface a été mise au point au LETI. La figure 1.24 la décrit
et précise son intégration dans un sous-pixel d’un écran-plat.
Fig. 1.22 – L’écran couleur 9" de Samsung à base de nanotube [Cho99]
Fig. 1.23 – [Dij06] : (gauche) Structure diode à effet de champ. Le champ appliqué au
sommet de l’émetteur est Fapp = Vda où d est la distance anode-cathode (typiquement
1mm). (droite) Structure triode à effet de champ. Le champ appliqué au sommet de
l’émetteur est proportionnel à Vag où a est le rayon du trou de grille (typiquement 1µm).
Cette structure se compose d’un premier niveau métallique constituant les colonnes
de l’écran et représentant les conducteurs cathodiques. Un deuxième niveau métallique
est déposé sur la couche d’isolant pour réaliser les grilles qui constituent les lignes de
l’écran. Au centre , on réalise avec un troisième masque des plots de catalyseurs de 5µm
par 10µm sur lesquels viendront croître les nanotubes. Cette structure est simple et
facile à réaliser car elle ne comporte aucun motif ayant une forte résolution.
Fig. 1.24 – [Dij06] : Vues au MEB de la structure triode. A gauche, vue d’un sous pixel
couleur avec les plots de CNT entre les grilles. A droite, détails des plots de nanotubes
entre les grilles.
Capteur à nanotubes La résistance électrique d’un nanotube de carbone mono-

paroi semiconducteur (SWCNT) change de manière relativement importante une fois
immergé dans un environnement gazeux contenant certaines molécules réagissant avec
le nanotube. Cette propriété inhabituelle le rend intéressant comme minuscule capteur
chimique à bas coût, la mesure de sa conductance entre deux électrodes étant suffisante
[Kon00]. Les domaines d’application de ce type de capteur vont, par exemple, de l’ana-
lyse médicale au contrôle de la qualité de l’air d’un environnement.
Stockage d’hydrogène Une autre propriété surprenante des nanotubes de carbone

réside dans leur capacité à absorber de grandes quantités d’hydrogène. Le groupe de re-
cherche du National Renewable Energy Laboratory a démontré que les SWCNT étaient
capables de stocker une densité d’hydrogène de 63kg/m3 [Fuh02] à température am-
biante et à pression atmosphérique. Plus récemment, 200 cycles d’absorption et de
dés-absorption ont été démontrés pour une température de 160°C et à des pressions de
35atm (absorption) et 0.25atm (dés-absorption) [ZD05]. Ces avancées pourraient per-
mettre de créer de nouvelles générations de réservoirs d’hydrogène dans le domaine de
l’automobile.
Les molécules 33
1.4 Les molécules

Dans la section suivante, le terme de molécules désigne les molécules inorganiques,
par opposition aux molécules organiques composées d’atomes de carbone, d’oxygène ou
d’hydrogène.
Les molécules en tant que composants à part entière et non pas seulement en tant
que matériau font aussi partie de l’intense effort de recherche actuelle visant une nou-
velle fois à miniaturiser et à intégrer toujours plus de dispositifs.
Cette ultime forme de composants miniatures fait partie d’un domaine d’où pourrait
émerger une réelle innovation et des changements radicaux, en rupture avec la microélec-
tronique actuelle. L’information, le calcul et le transport pouvant être imaginer comme
étant des phénomènes chimiques, électroniques, magnétiques ou encore mécaniques, leur
fabrication étant généralement des procédés de synthèse chimique en lieu et place des
techniques de lithographie optique. La synthèse de molécules n’est pas un domaine nou-
veau et les différentes industries dans le domaine (pharmaceutique, pétro-chimique,. . .)
démontrent chaque jour un peu plus la maîtrise des techniques et des procédés, mais
c’est seulement au cours de la dernière décennie que certains ont imaginé les utiliser
pour faire du traitement de l’information.
Les domaines d’application sont variés ; des interrupteurs électro-mécaniques [LCJ+ 02]
permettant, par exemple, de réaliser des mémoires [CJO+ 03], des réseaux d’intercon-
nexions configurables [HHDT03], des zones de stockage de charge électronique pour tran-
sistors à effet de champs [LFL+ 04] ou encore, plus ambitieux, du calcul intra-moléculaire
[SFJ03]. Cette liste n’est évidement pas exhaustive et la recherche actuelle dans ce do-
maine est d’une extrême richesse imaginative et réserve souvent des surprises d’un point
de vue de microélectronicien. Certains aspects rendent ces molécules très attractives en
vue d’une intégration hybride (CMOS-molécules) dans les 5 à 10 ans à venir. Nous ré-
sumons ci-dessous quelques unes de leurs propriétés et applications originales.
1.4.1 Negative Differential Resistance (NDR) [HHDT03]
Le phénomène de résistance différentielle négative (Figure 1.25) permet de réaliser

des portes logiques comme l’inverseur, le NAND et le XOR qui sont les opérateurs es-
sentiels à l’écriture d’équation logique d’état. En logique mathématique, les opérateurs
d’une proposition composée sont AND, OR, NOT, implication et bi-conditionnel. Un

ensemble fonctionnellement complet d’opérateurs logiques est un ensemble d’opérateurs
où chaque proposition composée est logiquement équivalente à une autre proposition
composée utilisant seulement les opérateurs de l’ensemble en question. Toute fonction lo-
gique générant inversion, AND, OR est dite fonctionnellement complète. Par exemple,
NAND est fonctionnellement complète car NOT(X) = NAND(X,1) et AND(X,Y) =
NOT(NAND(X,Y)). De la même manière, AND et XOR sont fonctionnellement com-
plet car NOT(X) = XOR(X,1). Le phénomène de résistance négative a été démontré
pour plusieurs types de molécules, comme la nitrobenzene [CRRT99] ou la nitroaniline,
cette dernière est utilisée dans la proposition d’architecture Nanocell (section 2.1 p.40).
Fig. 1.25 – [HHDT03] : Caractéristique courant tension d’une molécule de nitroaniline

démontrant dans son état ’1’ une résistance négative.
1.4.2 Conformation géométrique bistable

Marchon et al. ont montré dans [MRI+ 99] qu’une nouvelle molécule de la famille des
méso-porphyrines substituées présentait la particularité de pouvoir changer de confor-
mation géométrique en fonction de l’état de charge des couches électroniques de son
atome central métallique. L’idée est alors de rendre commandable cette conformation
de manière électronique.
De la même manière, la molécule synthétique de [2]rotaxane est constituée d’un

anneau se déplaçant longitudinalement le long d’un axe entre deux plots (Figure 1.27).
Sa conductivité dépend de la position de l’anneau et du sens du courant, l’assimilant
électriquement à une diode en série avec un interrupteur. Le déplacement de l’anneau
peut être la conséquence d’un phénomène chimique (acide/base) ou d’un phénomène
Les molécules 35
(a) Conformation de la porphyrine à hance ou- (b) Conformation de la porphyrine à hance fer-
verte mée
Fig. 1.26 – [MRI+ 99] : Meso-porphyrine substituée changeant de conformation géomé-

trique en fonction du nombre d’électrons libres du noyau central
électro-chimique (oxydo-réduction), dans le cas d’une rotaxane fonctionalisée.
(a) Rotaxane comme interrupteur ouvert (b) Rotaxane comme interrupteur fermé
Fig. 1.27 – [LCJ+ 02] [J.F] : Interrupteur électrique à commande électro-mécanique à

base de molécule de rotaxane.
Cette molécule a été utilisée dans des travaux (controversés [SOB+ 04]) présentés par
Hewlett-Packard [CJO+ 03] (cf. section Le crossbar moléculaire page 74) qui décrivent la
fabrication et la mise en œuvre fonctionnelle d’un circuit à base d’électronique molécu-
laire comprenant une monocouche de [2]rotaxane prise en sandwich entre deux réseaux
de nanofils semiconducteurs.
Cette liste de molécule, à conformation géométrique commandable, n’est évidement

pas complète, d’autres molécules comme la [2]catenanes, composée de deux anneaux

imbriqués, intéressent grandement les chercheurs qui voient en elle la possibilité de réa-
liser des nano-moteurs moléculaires (Figure 1.28).
Fig. 1.28 – Molécule de catenane composée de deux anneaux imbriqués pouvant tourner
l’un autour de l’autre
1.4.3 Multiples états d’oxydo-réduction [LFL+ 04] [RD+ 00]
L’existence de différents états de charge pour des niveaux de tensions distincts, per-
met d’envisager l’utilisation de telles molécules dans des architectures de mémoires à
stockage de charge comme c’est le cas aujourd’hui avec les DRAM (section 3.1) ou les
FLASH (section 3.3).
Dans [LMG+ 04] est détaillée une stratégie pour augmenter la densité d’intégration
d’une mémoire en utilisant une approche multivaluée où la cellule de stockage de charge
est constituée de molécules (porphyrines et férocenes) ayant plusieurs états d’oxydo-
réduction. En combinant ces deux molécules, les potentiels caractéristiques d’oxydation
de la férocène et de la porphyrine sont conservés, ce qui permet de distinguer 4 états
(neutre, et les trois autres états d’oxydation cationique de la férocène et de la porphy-
rine, la figure 1.29 l’illustre).
Finalement, [LFL+ 04] propose un transistor à grille flottante où le stockage de charge

s’effectue dans une monocouche de molécules de terpyridine assemblée sur un nanofil
Les molécules 37
Fig. 1.29 – Voltamétrie cyclique (100 V s−1 ) d’une monocouche auto-assemblée (Self
Assembled Monolayer ou SAM) de porphyrine [RD+ 00]
semiconducteurs. Jouant sur l’état d’oxydo-réduction de la population de molécules, 8

états sont discernables expérimentalement. Nous l’avons présenté plus en détail dans la
section 1.2.
1.4.4 Calcul intra-moléculaire [SFJ03]
Utilisant les propriétés spécifiques du transport électronique à l’intérieur même d’une

structure moléculaire, un nouveau concept de composant a été présenté dans [SFJ03].
Le principe repose sur la prise en compte de l’influence qu’a la symétrie sur la transmis-
sion d’électron dans une structure aromatique de type π-conjuguée. Autrement dit, le
transport par effet tunnel est fonction de la géométrie de la molécule, ce qui est utilisé
pour coder, et donc stocker, une information.
[SAJF04] étend le concept au traitement de l’information en proposant une implé-

mentation permettant de construire des portes logiques de type XOR et AND, qui, une
fois combinées, permettent de réaliser intra-moléculairement un demi-additionneur au
sein d’une seule et même molécule connectée entre trois électrodes.
La principale difficulté pour simuler l’utilisation des molécules dans des circuits
complexes de traitement de l’information est qu’il n’existe pas de méthodologie ou de
modélisation appropriée. Il est aujourd’hui très difficile de pouvoir faire des mesures
électriques reproductibles d’une seule molécule, les physiciens et chimistes mesurant
généralement les propriétés d’un ensemble de molécules. Du côté de la simulation, l’ap-
proche ab-initio qui consiste à partir des équations physiques et de la géométrie des
molécules est probablement la meilleure, même s’il est vrai que les temps et les res-
sources de calculs gigantesques nécessaires brident encore la recherche dans ce domaine.
Par ailleurs, beaucoup de travail théorique au niveau de la compréhension des phéno-
mènes en jeux reste à accomplir.
Finalement, bien qu’encore marginal, ce domaine du traitement de l’information au

sein même de molécules plus ou moins complexes, est sans aucun doute une approche
très prometteuse. Elle pourrait conduire, à la condition que les collaborations entre les
chimistes, les physiciens et les électroniciens s’intensifient et se généralisent, à de très
grandes avancées, en ruptures, à la fois avec les méthodes de conception, mais aussi avec
les paradigmes de calculs actuels.
Chapitre 2
Les architectures de l’électronique

moléculaire
A la lecture du chapitre 1 présentant un tour d’horizon de la diversité des nouvelles

briques de base de l’électronique moléculaire, la silhouette du futur nano-composant qui
sera le plus utilisé d’ici deux ou trois décennies n’apparaît pas vraiment clairement. Les
limitations des circuits et architectures actuelles sont aussi en question.
Depuis plus de 50 ans, nous avons basé la plupart, si ce ne sont pas l’ensemble, des
architectures d’ordinateurs sur le modèle de Von Neumann, inspiré par le modèle théo-
rique d’Alan Turing au cours de la première moitié du XX me siècle [vN37]. Quelques
récents changements de stratégie technologique1234 et marketing56 d’acteurs majeurs
de la microélectronique laissent à penser qu’effectivement, nous sommes bien en train
d’atteindre les limites des architectures de calcul d’aujourd’hui.
Cependant, ces limitations sont aussi une chance pour prendre en compte, explorer
et évaluer encore plus intensivement d’autres paradigmes de traitement de l’informa-
tion comme le calcul quantique et les réseaux de neurones, ou plus innovant, comme les
1
Intel abandonne l’architecture de ce qui devait être le Pentium V
2
Baisse des fréquences des processeurs x86 au profit d’architectures plus efficaces comme le Pentium-
M, virtualisation, intégration de plusieurs cœurs sur une même puce
3
Le processeur G5 d’IBM inaugure la technologie SOI à l’échelle industrielle pour réduire la puissance
tout en augmentant encore une fois la fréquence
4
Le nouveau processeur CELL d’IBM/SONY/TOSHIBA est constitué d’un processeur central type
PowerPC et de 8 autres processeurs dédiés de type DSP
5
Intel change la convention d’appellation de ses processeurs et abandonne ainsi officiellement la
course à la fréquence
6
La puissance consommée devient un argument commercial pour les processeurs de bureau
39
40 Les architectures de l’électronique moléculaire
QCAs, ou enfin, plus original encore comme la Nanocell, une des approches ambitieuses
détaillées ci-dessous.
2.1 Nanocell : l’approche bottom-up

James M.Tour, professeur à l’université de Rice à Houston, Texas, chimiste de for-
mation, s’entoure d’une équipe aux compétences multiples dans les domaines suivants :
mathématiques, physique, architecture des ordinateurs, ou encore, chimie. Sa force est
d’avoir proposé puis réalisé l’un des premiers circuits à base d’électronique molécu-
laire en l’espace de seulement quelques années. Son approche bottom-up pragmatique,
concrète et innovante est l’une des clés de la réussite et du rayonnement de ce projet.
2.1.1 La Nanocell
Alors que les puces hybrides représentent les premières opportunités pour les com-
posants moléculaires à s’immiscer dans le monde des circuits de traitement de l’informa-
tion, l’approche auto-assemblée et organisée au hasard représente une vraie nouveauté
pour la conception des puces, radicalement différente du principe de fabrication et de
caractérisation top-down que l’industrie microélectronique utilise à ce jour. Simplicité
et relatif faible coût de fabrication, reprogrammabilité, très haute tolérance aux défauts
de fabrication, tels sont les atouts de la Nanocell (NC).
Le concept de Nanocell [Tou03a] est une approche innovante et pragmatique permet-

tant de se passer des contraintes de fabrication de la lithographie extrême que rencontre
l’électronique moléculaire. La Nanocell est l’élément logique de base, une version simple
est représentée par la figure 2.1.
Elle est fabriquée à partir d’une cavité créée sur un wafer de silicium classique. Cette
cavité a été expérimentalement conçue dans des dimensions de l’ordre du µm2 , mais
on peut tout aussi bien imaginer les diminuer à la taille minimale que nous permet
la lithographie. A la périphérie de la Nanocell, à la limite de la cavité, sont disposés
des pads d’entrées/sorties métalliques permettant l’interconnexion entre les Nanocells
et/ou avec d’autres dispositifs permettant, par exemple, la mise à niveau des signaux
ou l’isolation électrique. Des particules métalliques d’or ou de platine sont déposées au
hasard à l’intérieur de la cavité ; Elles jouent le rôle de points d’interconnexion pour les
Nanocell : l’approche bottom-up 41
Fig. 2.1 – [HHDT03] :Une Nanocell
éléments actifs que sont les molécules. Une mono-couche contenant des switches molé-
culaires est déposée par la suite sur la cavité. Les molécules qui ont des terminaisons à
base de thiols, viennent ainsi se déposer entre chaque particule métallique. Le graphe
d’interconnexion électrique de la Nanocell est ainsi créé.
La molécule utilisée par l’équipe de Tour est la nitroaniline (Figure 2.2), molé-
cule conjuguée avec un centre rédox. D’autres molécules aux caractéristiques similaires
peuvent être également utilisées, les conditions à remplir sont doubles : présenter une
caractéristique de résistance différentielle négative pour une certaine plage de tension
dV (NDR : Negative Differential Resistance, cf. section 1.4.1 p.33) et pouvoir être com-
mutée dans au minimum deux états différents, en fonction de certains seuils de tension.
Dans l’exemple de la nitroaniline, l’application d’une tension de +1, 75V à ses bornes
entraîne la commutation dans un mode non-linéaire (’1’ sur la figure). Inversement, une
tension de −1, 75V fera basculer la molécule dans une mode linéaire (’0’). Les pro-
priétés de cette molécule permettent de l’utiliser, par exemple, comme un interrupteur
contrôlable en tension. Le graphe d’interconnexion interne peut donc être entièrement
reconfigurable, à condition que chaque molécule soit adressable individuellement.
Cependant, un problème pratique se pose ; Comment accéder indépendamment à

chaque molécule ? Cette question reste sans réponse et sans solution actuellement, l’en-
Fig. 2.2 – [HHDT03] : Molécule de nitroaniline et sa caractéristique I(V) présentant un

comportement de NDR (Negative Differential Resistance)
semble des simulations réalisées par Tour et al. avait pour hypothèse forte, l’accessibilité
de chaque molécule, les expériences ayant permis de démontrer la preuve du concept.
Du fait des caractéristiques électriques des nitroanilines exploitées dans la Nanocell,

les entrées se font en tension et les sorties en courant. Pour pallier cette contrainte
limitant l’interconnexion entre cellules, Tour et al. ont eu l’idée d’insérer un montage
(Figure 2.4) de restauration de niveau sur chaque sortie, réalisé à partir d’un latch bis-
table (Figure 2.3), lui-même à base de deux molécules présentant des caractéristiques
de NDR. Quand Vbias est à un niveau haut, la molécule du haut polarise l’autre, ce qui
a pour conséquence de créer sur la droite de charge de la molécule du bas deux points de
fonctionnement stables, 0 et 1. L’état est déterminé par le courant injecté au nœud Data.
Il ne semble pas que cette fonction ait été réalisée en pratique par l’équipe. Ce pro-
blème de conversion courant-tension est une contrainte car il complexifie grandement le
concept qui se veut être le plus simple possible. Une des voies à explorer serait d’envi-
sager l’intégration à l’intérieur de la nanocell de ces circuits de conversion.
2.1.2 Exploitation de la Nanocell
A terme, sous réserve que le concept soit validé et que les problèmes d’adressabi-
lité soient résolus, l’effort le plus important résidera dans l’après-fabrication, ce qui est
Fig. 2.3 – [HHDT03] : Latch bistable à base de deux molécules NDR
Fig. 2.4 – [HHDT03] : Conversion courant-tension et restauration de niveau logique par

utilisation d’un latch bistable à base de deux molécules présentant des caractéristiques
de NDR.
relativement nouveau car, en plus de tester la nanocell pour y déceler des défauts de
fabrication, il faut surtout découvrir l’ensemble des fonctions logiques implémentables.
Pour ce faire, Tour et al. ont implémenté, par simulation, un algorithme génétique
[THH+ 02] qui, à partir d’un graphe d’interconnexion aléatoire, est capable d’explorer
l’ensemble des solutions de la Nanocell avec comme principaux paramètres, outre la
fonction logique cible, le nombre de plots de la Nanocell, le nombre de particules d’or
déposées et le nombre de molécules interconnectées.
Une limitation supplémentaire de la NC dans son état actuel réside dans le fait que
chaque fonction logique (NOT, NAND, XOR,. . .) a des niveaux logiques (en tension)
propres. Par exemple, et toujours en simulation, un inverseur (Figure 2.5) se voit carac-
térisé par un niveau logique bas de −40nA et d’un niveau logique haut de 930nA alors
qu’une NC configurée en porte NAND (Figure 2.6) a ses niveaux situés respectivement
à −20nA et 840nA. La différence est certes minime sur cet exemple, mais elle met en
lumière une fois de plus la difficulté à interconnecter les NCs du simple point de vue
des niveaux logiques.
Fig. 2.5 – [HHDT03] : Nanocell configurée en porte inverseuse.
Fig. 2.6 – [HHDT03] : Nanocell configurée en porte NAND

Il est à noter que l’équipe a réalisé un prototype fonctionnel (Figure 2.7, [Tou03b]) de
mémoire présentant, à température ambiante, un comportement reproductible de com-
mutation entre un mode linéaire et un mode non linéaire, avec de surcroît de très bonnes
caractéristiques PVR (Peak to Valley Ratio) [CRRT99] de l’ordre du milliampère. Par
ailleurs, deux types d’effet mémoire, non-volatile après une semaine d’exposition à l’air
libre, ont été mis en évidence [CRRT99] [Che00], l’un est une lecture avec destruction
de l’information et l’autre sans destruction de l’information.
Fig. 2.7 – [Tou03b] : Image SEM d’une Nanocell réalisée expérimentalement.
Le principe de fabrication diffère un peu de ce qui avait été présenté initialement en

théorie [Tou03a] [THH+ 02] ; Un film d’or est déposé (vapor-deposited) sur un substrat
Si/SiO2 par dessus lequel vient se greffer un fil d’or enrobé de molécule. Cependant,
tout comme le fait remarquer Tour et al., plusieurs indices invalideraient l’explication
d’un effet moléculaire dans ces dispositifs. En effet, un dispositif sur lequel n’avait pas
été déposé ni des molécules, ni des nanofils d’or s’est comporté après quatre mois de
stockage comme si il y avait des molécules à sa surface ! L’explication avancée est que,
le film d’or vieillissant, la migration des îlots de particules d’or entraînant la réduction
du gap inter-particules, a créé des nanofilaments sous l’effet des tensions appliquées.
Finalement, il semblerait que sous certaines conditions, la NC soit le siège de deux
phénomènes coexistant : conduction électrique au travers de molécules et conduction
électrique au travers de nanofilaments. Des travaux sont en cours de réalisation pour
tenter d’éclaircir ce point. Les phénomènes observés pourraient se rapprocher de ceux
rencontrés par l’équipe d’HP [SOB+ 04].
2.1.3 Conclusion
La Nanocell pourrait être un candidat potentiel permettant de résoudre un cer-

tain nombre de problèmes liés à la miniaturisation continue de la microélectronique en
apportant une approche de fabrication bottom-up révolutionnaire. Cependant, tous les
avantages précédemment décrits ne doivent pas faire oublier la principale difficulté et le
challenge méthodologique et algorithmique qu’est la caractérisation de chaque Nanocell,
en plus du problème d’interconnexion entre NCs.
En effet, le concept de nanocell apporte certes une réponse convaincante (faible coût
de fabrication, tolérance aux défauts de fabrication, reprogrammabilité,. . .) aux pro-
blèmes majeurs que rencontre l’industrie de la microélectronique, mais il faut bien voir
qu’une fois les problèmes de fabrication surmontés, la difficulté réside dans la capacité
à fonctionnaliser chaque NC en une ou plusieurs fonctions mémoires ou logiques relati-
vement simples (AND, OR, NOT,. . .) et à les interconnecter entre elles. Le temps passé
à réaliser ces étapes post-fabrication risque de prendre le dessus sur les avantages.
2.2 Nanofabric : Reprogrammabilité et tolérance aux dé-

fauts de fabrication
Goldstein et al. de la prestigieuse université de Carnegie Mellon (Pittsburgh) pro-

posent une architecture basée sur la répétition d’une structure régulière appelée nano-
Block. A l’instar de l’approche Nanocell section 2.1), cette structure est programmée
après avoir été fabriquée, pour réaliser des fonctions complexes. Un réseau de nano-
Blocks à deux dimensions est appelé Nanofabric [SCG01].
Plusieurs considérations d’ordre technologique sont à l’origine de leur proposition.

Tout d’abord les procédés d’auto-assemblage actuellement maîtrisés permettent d’obte-
nir des structures simples et régulières, comme par exemple des faisceaux de fils paral-
lèles ou des structures matricielles composées de faisceaux orthogonaux. D’autre part,
bien que des dispositifs à trois électrodes aient été précédemment construits, la difficulté
de connecter trois fils à un composant de taille nanométrique les rend difficilement en-
visageables dans une architecture utilisant des molécules. Le choix c’est donc porté sur
l’utilisation de dispositifs moléculaires à deux électrodes ayant un comportement proche
de celui d’une diode en série avec un interrupteur. Par ailleurs, motivé par la probable
Nanofabric : Reprogrammabilité et tolérance aux défauts de fabrication 47
grande quantité de dispositifs défectueux, l’équipe s’est intéressée aux méthodes de test
et d’évaluations de tels circuits.
2.2.1 Éléments de base de la Nanofabric
2.2.1.1 Le bloc logique de base : le nanoBlock
Le nanoBlock est un bloc logique qui réalise une fonction booléenne à 3 entrées, 3
sorties et sa fonction complémentaire (Figure 2.8(b)).
(a) Détail d’un nanoBlock (b) Schéma d’un nanoBlock

montrant les lignes d’entrées
sorties
Fig. 2.8 – [SCG01] : Détail et vue schématique d’un nanoBlock
On peut distinguer trois éléments principaux dans un nanoBlock (Figure 2.8(a)) :

– Des entrées-sorties qui permettent des connexions avec les nanoBlocks voisins,
– Un réseau logique moléculaire MLA (Molecular Logic Array). A l’intersection de
chaque nanofil se trouve un interrupteur moléculaire configuré on ou off suivant
la fonction à réaliser. La figure 2.9 est un exemple d’implémentation en logique à
diode de la fonction AND à deux entrées,
– Des latchs moléculaires, similaires à ceux de la Nanocell (section 2.1). Ils res-
taurent le signal aux sorties du nanoBlock en dérivant l’énergie du signal d’hor-
loge entrant. En effet, dans la logique à diode, la dégradation du signal n’est pas
compensée (voir figures 2.10(a) et 2.10(b)).
Fig. 2.9 – [SCG01] : Exemple d’implémentation en logique à diode d’une porte AND à
deux entrées
(a) Schéma du circuit du latch (b) Caractéristique courant-tension du latch

moléculaire moléculaire
Fig. 2.10 – [SCG02] : Détail du latch moléculaire permettant la normalisation en tension

des entrées-sorties
2.2.1.2 La Nanofabric
La figure 2.12 représente le schéma de principe d’une Nanofabric. Les carrés jaunes
et rouges représentent des nanoBlocks, ils diffèrent par la direction de leurs entrées sor-
ties. Soit ils sont orientés face Sud-Est (SE), soit ils sont orientés face Nord-Ouest (NW)
Nanofabric : Reprogrammabilité et tolérance aux défauts de fabrication 49
(Exemple figure 2.11).
Fig. 2.11 – [SCG01] : Illustration de l’assemblage de quatre nanoBlocks différemment

orientés, formant à leur interface un switch-block
Les nanoBlocks sont organisés en clusters, à l’intérieur desquels chaque nanoBlock

est connecté à ses quatre voisins les plus proches. Le circuit est structuré suivant un
plan matriciel, des fils (en bleu), assurant la propagation des signaux entre les clusters,
quadrillent le dispositif. Ils sont connectés aux nanoBlocks à la périphérie de chaque
cluster.
2.2.2 La tolérance aux défauts de fabrication

Les auteurs s’intéressent à la tolérance aux fautes pour un tel circuit dans [MM03a]
et [MM03b]. Ils partent de l’hypothèse que sur le plan technologique, ces erreurs se-
raient dues principalement à un mauvais alignement de molécules durant le processus
d’auto-assemblage. Ils estiment aussi qu’en cas de défaut, la fonction du composant mo-
léculaire ne sera pas affectée, seuls des paramètres comme le délai et la consommation
de puissance seront susceptibles d’être altérés.
Leur recherche d’une technique de test prend en compte la très haute densité d’inté-
gration des dispositifs moléculaires ainsi que le taux de défauts de fabrication qui devrait
être relativement élevé, de l’ordre de 10% [SFG+ 03]. L’idée est de montrer qu’il est pos-
sible de détecter relativement rapidement les défauts dans un circuit contenant un très
grand nombre de dispositifs en utilisant l’aspect reconfigurable de chaque cluster. Ces
Fig. 2.12 – [SCG01] : Schéma d’une Nanofabric. Détail d’un cluster
travaux ne prennent pas en compte les variations de fonctionnement des composants

moléculaires, c’est à dire qu’ils considèrent seulement le composant comme pouvant être
en état de marche ou non.
Le principe de la méthode de test est de faire des tests dans différentes directions,
de clusters en clusters, verticalement et horizontalement. L’intersection de la ligne et de
la colonne ayant échouée le test indique la présence d’un dispositif défectueux (figure
2.13(a)). La cellule de test est composée de plusieurs clusters, elle se propage sur le
circuit comme une vague (figure 2.13(b)). Chaque cellule fonctionalisée en testeur teste
et configure la cellule voisine et ainsi de suite. Autrement dit, une fois qu’une région
de la Nanofabric est testée et qu’une carte de ses défauts est obtenue, elle peut être re-
configurée en circuit testeur pour les autres régions voisines, c’est une forme d’auto-test.
2.2.3 Conclusion
Ces travaux présentent un concept d’intégration de dispositifs moléculaires très in-

téressant, fondé sur un certain nombre d’hypothèses de fabrication relativement solides.
Basés sur les propriétés de reconfigurabilité et de propagation, ils proposent une mé-
FPGA nanométrique 51
(a) Principe du test (b) Propagation des circuits

de tests
Fig. 2.13 – [MM03a][MM03b] : (a) Exemple montrant comment un dispositif défectueux

est localisé en utilisant deux configurations différentes de circuits testeurs (b) Repré-
sentation schématique de la propagation en vague des circuits tests. La région noire est
testée et configurée en circuit testeur par un testeur extérieur ; chaque région teste et
configure un voisin ayant une valeur de gris plus faible
thode de test rapide et automatisée, pour des circuits contenant un très grand nombre
de composants et de défauts.
Paradoxalement, l’étude fonctionnelle est essentiellement basée sur des simulations

où certaines hypothèses sont clairement irréalistes, rendant les travaux encore éloignés
d’une implémentation moléculaire. Ainsi, le modèle utilisé pour la simulation du latch
moléculaire n’est pas issu de mesures de dispositifs expérimentaux et est considéré
comme parfait, alors que par ailleurs ils ne considèrent pas non plus la possibilité qu’un
dispositif puisse fonctionner de manière dégradé.
2.3 FPGA nanométrique
André DeHon, diplômé du MIT où il y a effectué toute sa scolarité (1986-1996), a

soutenu sa thèse sur le thème des architectures reconfigurables génériques (Reconfigu-
rable Architectures for General-Purpose Computing). Après avoir co-dirigé le groupe de
travaille BRASS à Berkeley de 1996 à 1999, il est depuis professeur-assistant au Cali-
fornia Institute of Technology. Ses travaux sont toujours focalisés sur les architectures
reprogrammables spatialement (comme les FPGAs), les problèmes d’interconnexions et
d’optimisations. Il s’applique depuis quelques années à proposer un design de PLA (Pro-
grammable Logic Array) exploitant les propriétés d’intégration des nano-technologies.
Son approche architecturale plutôt haut-niveau rend ses travaux dépendant de la tech-
nologie utilisée (Nanotubes, nanofils, molécules,. . .) mais a le mérite d’anticiper et donc
de donner des axes de recherches aux équipes travaillant sur les dispositifs élémentaires
précédemment cités.
2.3.1 Architectures reprogrammables spatialement
Schématiquement, André DeHon et son équipe transposent ce qui se fait en mi-

croélectronique à l’échelle nanométrique. Ses différentes propositions architecturales, à
défaut d’être réellement novatrices, présentent l’intérêt majeur de proposer des solutions
de design éprouvées et largement exploitées par l’industrie (FPGA, PLA,. . .) adaptées
aux technologies nanométriques émergentes. Pour cela, il se base sur les travaux les plus
récents de l’électronique moléculaire pour mettre à jour, améliorer et ainsi crédibiliser,
sa proposition architecturale.
Après s’être intéressé aux architectures régulières à base de FET nanométrique

[DeH03a] [DeH03b], pour ensuite approfondir l’aspect interface entre les mondes mi-
croélectronique et nanométrique d’un point de vue conceptuel et théorique [ADS03],
DeHon propose une architecture programmable régulière où il explore l’utilisation de
nanofils (NWs) pour construire et interconnecter des cellules de taille nanométrique
type PLA (Programmable Logic Array) [A.D04]. Cette dernière publication, la plus
aboutie d’un point de vue concept, détaille l’architecture d’une structure PLA (Figure
2.14 : détail d’un PLA simple à base de nanofils) en abordant les différents thèmes : la
fabrication des NWs et l’utilisation de diodes programmables à leurs intersections, les
problèmes d’adressabilité du PLA et enfin, la remise à niveau des signaux logiques. L’or-
ganisation en cellules et les multiples calculs (aire, timing, rendement d’intégration,. . .)
ne sont pas détaillés ici [A.D04].
2.3.2 La fabrication des NWs
En se basant sur différentes publications présentant des résultats expérimentaux,

DeHon fait le pari que la fabrication des nanofils sera possible industriellement, avec les
Fig. 2.14 – [A.D04] : Détail d’un PLA nanométrique à base de nanofils
propriétés suivantes :
– Leur taille peut être contrôlée par croissance sur des particules d’or (par exemple)
jouant le rôle de catalyseur. Ainsi, [CLG+ 01] [ML98] ont démontré la réalisa-
tion de NWs ayant un diamètre de seulement 3nm, et cela sans aucun procédé
lithographique.
– En contrôlant les composants de l’environnement de croissance (gaz), les NWs
semi-conducteurs peuvent être dopés localement pour influencer leurs propriétés
électriques [YCL00] [MSGL02] [MSGLJLL02] [DWL03].
– La conduction au travers de NWs dopés peut être contrôlée par un champ élec-
trique comme dans les FETs [HDC+ 01].
– L’alignement simple ou sur plusieurs niveaux (crossbar) de nanofils peut être réa-
lisé par des techniques microfluidiques performantes [HDWL01] [DWL03] [WJWL03].
2.3.3 Diodes programmables
Une nouvelle fois, c’est plus un cahier des charges que DeHon établit à l’intention
des technologues (chimistes, physicien, électronicien). En effet, se basant sur les travaux
de Rueckes et. al. [RKJ+ 00] ainsi que sur les très controversées [SOB+ 04] publications
de HP à propos de son crossbar 8x8 à base de rotaxane [CJO+ 03], il établit, en généra-
lisant, que certains types de molécules présentent des propriétés électriques d’hystérésis
utilisables pour un effet mémoire permettant soit le stockage d’information, soit la confi-
guration de la cellule. A partir de ça, il développe son concept en prenant pour hypothèse
qu’il sera un jour possible de maîtriser l’industrialisation fiable d’une molécule ayant
pour caractéristique :
– Une résistance qui change significativement entre l’état ’ON’ et ’OFF’
– La possibilité d’avoir un comportement de type diode
– La possibilité de changer la molécule d’état ’ON’ à un état ’OFF’ par application
d’un potentiel de programmation.
– Une assez bonne reproductibilité
2.3.4 Adressabilité
Comme rappelé dans l’introduction, DeHon s’est intéressé très tôt dans ses travaux
à la problématique de l’interface entre les mondes micro et nano. Après avoir envisagé
de recourir à l’idée du décodeur d’adresse à base de molécules illustré par le brevet
HP [SP01] dans ses premières propositions architecturales, DeHon, bien inspiré par ses
collaborations avec Lieber, propose dans [ADS03] un décodeur d’adresse basé sur la
modulation du dopage sur la longueur d’un NW, la figure 2.15(a) l’illustre.
(a) Nanofil codant une adresse par modula- (b) Décodeur permettant l’interaction des
tion de dopage deux mondes micro et nano
Fig. 2.15 – [ADS03] : Décodage d’adresse par modulation de dopage

La solution avancée par DeHon est intéressante et documentée. En effet, il présente

des réponses aux problèmes d’alignements des nanofils en proposant de répéter le code
plusieurs fois sur la longueur du NW qui sera susceptible d’être en contact des fils mi-
crométrique. Il étoffe ses propositions de calculs de timing, de densité d’intégration et
de surface pour l’exemple d’une mémoire [A.D04].
2.3.5 Restauration de niveau logique
La logique à diode implémentée par DeHon forme donc un plan OU (cf. Figure
2.14). Chaque NW en sortie du plan, peut donc être programmé pour réaliser la fonc-
tion logique OU de ses entrées. Le problème est que la logique à diode ne permet pas
de cascader plusieurs niveaux de logique à cause de la perte en tension aux bornes de
chaque diode (gain < 1). De plus, les portes OU ne sont pas des éléments logiques
universels, c’est à dire qu’on ne peut pas fabriquer par exemple la fonction logique
inverseur NOT à partir de OU. DeHon a donc envisagé d’implémenter des étages de
restauration et d’inversion de niveaux logiques à base de NW dopé et contrôlé comme
un FET [DeH03a] entre chaque étage de diode.
Enfin, tout comme dans un PLA traditionnel, DeHon envisage de pouvoir avoir accès
à la fois au signal logique et à son complément. Le plan OU qui reçoit les deux signaux
(original et son complément) doit être programmé en fonction de la polarité nécessaire.
Comme on peut le voir sur la Figure 2.16, à cause de la distribution stochastique
de NW, certaines entrées du plan OU seront seulement mémorisées (ex : Figure 2.16,
ligne 5), certaines seront seulement inversées (ex : Figure 2.16, ligne 2), d’autres seront
à la fois inversées et mémorisées (ex : Figure 2.16, lignes 0, 1 et 3) et enfin, certaines ne
seront pas accessibles (ex : Figure 2.16, ligne 4).
2.3.6 Conclusion
Comme souvent dans les approches à base de composants à l’échelle nanométrique,

cette architecture nécessite une exploration post-fabrication pour déterminer ce qui a
effectivement été réalisé et surtout pour évaluer ce qui est fonctionnel et ce qui ne l’est
pas. Le temps passé à cette dernière étape ne devrait pas être négligeable, loin de là.
Cependant, le principal mérite de cette proposition architecturale est d’être réaliste,

aussi bien sur le plan technologique, car s’appuyant systématiquement sur des résultats
Fig. 2.16 – [ADS03] : Inversion sélective et étage de restauration
expérimentaux, que sur le plan structurel, car basé sur des concepts éprouvés, à défaut
d’être révolutionnaires.
2.4 Interface Micro-nano
Plus qu’une réelle proposition architecturale, Lieber et al. de Harvard (Cambridge)

se focalisent sur la fabrication et l’adressage de matrices de FET à base de nanofils
(NWs) croisés. Cette équipe, essentiellement composée de chimistes et de physiciens,
considère à juste titre que la première difficulté du développement et de l’adoption des
nanotechnologies est le problème de leur fabrication. C’est pour cela que l’essentiel des
travaux de Lieber et al. porte sur les méthodes permettant de réaliser des circuits à très
haute densité de composants.
Interface Micro-nano 57
2.4.1 Des transistors à partir d’un réseau de nanofils
Chaque ensemble de transistors correspond à l’intersection de deux réseaux per-

pendiculaires de nanofils. L’alignement des nanofils est réalisé par l’utilisation de la
méthode de Langmuir-Blodgett (LB) [A.91] qui semble avoir été préférée aux méthodes
d’alignement par micro-fluide expérimentées par Lieber et al. dans de précédents travaux
[HDWL01]. Cette méthode est basée sur la réalisation de Lord Rayleigh qui constate
qu’un film d’huile sur de l’eau a une épaisseur de seulement une molécule. Langmuir
démontra que cette monocouche d’acide gras pouvait être ordonnée à la surface de l’eau
par application d’une pression qui conditionne l’écartement entre chaque molécule (le
pitch) engendrant un passage d’un état gazeux où les molécules sont dissociées, à un
état solide où les molécules forment un film rigide. Langmuir et Blodgett réalisèrent
alors le transfert de cette monocouche de la surface de l’eau sur un substrat solide. En
répétant ce procédé de déposition, il est alors possible de superposer plusieurs niveaux
de ces réseaux réguliers ainsi formés (Figure 2.17, [WJWL03]). Lieber et al. ont déve-
loppé une méthode basée sur le principe de Langmuir-Blodgett permettant de fabriquer
des masques pour faire de la nanolithographie de ligne [WJL03].
Fig. 2.17 – [WJWL03] : Des nanofils (en bleu) à l’interface air/eau sont (a) compressés
par la méthode Langmuir-Blodgett jusqu’à obtenir le pitch désiré. (b) Les NWs sont
transférés à la surface d’un substrat pour créer une matrice parallèle uniforme. (c)
L’intersection de NWs est réalisée par répétition du processus perpendiculairement (en
rouge) à la première couche (en bleu).
Le dispositif ainsi créé est appelé Crossed semiconductor Nanowire Field-Effect Tran-
sistor (cNW-FET). En effet, à l’intersection de chaque couple de nanofils perpendicu-
laires est créé un FET de type p, dont les process de fabrication sont détaillés dans
[CLG+ 01]. Les transistors obtenus présentent des caractéristiques très encourageantes
quant à leurs utilisations possibles dans des circuits numériques classiques. Les figures
2.18(a), 2.18(b) et 2.18(c) synthétisent des résultats de mesures expérimentales. La fi-
gure 2.18(a) montre que l’évolution de ISD en fonction de VSD est bien linéaire, ainsi
que la saturation pour des valeurs de VSD négatives, comme c’est le cas pour un p-FET
[Sze81]. Le graphique de la Figure 2.18(b) nous renseigne sur la transconductance ( dI
dVG ,
SD
courbe en échelle linéaire) d’un cNW-FET typique qui est de l’ordre de 1250nA/V . Le
ratio on/off et la pente sous seuil (courbe log) sont respectivement de l’ordre de 7.106 et
de 160mV /dec. Enfin, la Figure 2.18(c) représentant un échantillon de cNW-FET, nous
confirme la reproductibilité de ces mesures et les bonnes performances de ces transistors.
2.4.2 L’adressage micro-nano
Lieber et al. se sont aussi intéressés à la difficulté de l’adressage du monde nano.

Pour cela, ils présentent dans [ZWC+ 03] une solution de décodeur pour l’adressage de
matrice de cNW-FET. Cette solution, probablement discutée avec DeHon [DeH03a] (cf.
section 2.3 p.51) dont les propositions d’architectures sont bien en phase avec leurs
travaux, consiste à traiter chimiquement (avec un masque) et localement certaines in-
tersections de NWs permettant de définir un code d’adressage (Figures 2.19 et 2.20).
Le traitement chimique consiste à faire une fenêtre dans une couche d’isolant par
lithographie e-beam, puis à traiter la jonction avec une solution aqueuse de tetra-
ethylammonium chloride (TEA). Le traitement entraîne une modification des carac-
téristiques de conductance bien mise en évidence sur la figure 2.21.
La réalisation du décodeur d’adresse 4x4 est visible sur la figure 2.22(a). Les inter-
sections situées sur la diagonale ont été chimiquement traitées, ce circuit correspond au
montage de la figure 2.19. La figure 2.22(b) détaille les entrées et sorties du décodeur
d’adresse et confirme bien qu’il se comporte comme un démultiplexeur. Il est à noter
que d’après Lieber et al., le gain observé de ces cNW-FETs est supérieur à celui aux
résultats obtenus à partir de diode moléculaire comme la [2]rotaxane utilisée par Chen
et al. dans [CJO+ 03], émettant ainsi l’hypothèse qu’il n’y aurait pas besoin de circuit
de restauration de niveau logique.
Interface Micro-nano 59
(a) Famille de courbe ISD (VSD ) pour dif- (b) ISD (VG ) en linéaire (bleu) et log
férentes valeurs de VG (rouge) pour un VSD de 1V
(c) ISD (VG ) pour une population de

FET. Cadre inséré : Histogramme de la
transconductance pour un échantillon de
composants répartis sur une matrice de
test de grande taille
Fig. 2.18 – [jWM+ 04] : Caractéristiques de cNW-FETs
Fig. 2.19 – [ZWC+ 03] : Décodeur d’adresse basé sur un cNW-FET. Un décodeur 4x4
dont les intersections de la diagonale ont été traitées chimiquement (en vert) ce qui créé
un décodeur One-Hot
Les auteurs sont assez confiants dans les perspectives d’amélioration de leur dé-
codeur. En effet, la vitesse de montée assez modeste sur la courbe de la conductance
en fonction de VG , s’expliquerait par un phénomène d’hystérésis induit par l’eau de la
Fig. 2.20 – [ZWC+ 03] : Décodeur d’adresse basé sur un cNW-FET. Un décodeur Two-
hot permettant d’adresser 6 lignes nano à partir de 4 lignes d’adresse micro
Fig. 2.21 – [ZWC+ 03] : Caractéristique des cNW-FETs après modification chimique.
(A) Conductance en fonction de Vg avant (bleu) et après (rouge) traitement avec TEA.
(B) Histogramme de la tension de seuil pour 30 cNW-FETs avant (bleu) et après (rouge)
traitement avec TAE.
solution aqueuse. La réduction de ce phénomène d’hystérésis sous vide suggère que la

passivation de ces structures pourrait résoudre ce problème. Enfin, l’utilisation de la
lithographie par nano empreinte (nano-inprint) [CJO+ 03] [CKR96] permettrait de pal-
lier les limites de la lithographie par e-beam non-applicable aux grandes surfaces pour
des raisons de coût et d’ainsi augmenter considérablement la densité.
2.4.3 Conclusion
Focalisée sur l’aspect fabrication, l’équipe de Lieber de Harvard a aussi réussi à

présenter un démonstrateur relativement complet, incluant des transistors cNW-FET
aux caractéristiques optimisées ainsi qu’un décodeur d’adresse fonctionnel permettant
de faire l’interface entre les mondes micro et nano. Sa coopération avec DeHon (cf. sec-
tion 2.3 p.51) du California Institute of Technology, qui lui travaille plus sur l’aspect
architecture, permettra aux deux équipes, une fois la technologie maîtrisée, de disposer
Architecture neuromorphique 61
(a) Image SEM du décodeur 4x4 cNW-FET one- (b) Monitoring en temps réel des entrées (bleu)
hot réalisé et des réponses en sortie (rouge) du décodeur.
La tension d’alimentation est de 3.3V et la ré-
sistance de charge de 40M Ω
Fig. 2.22 – [ZWC+ 03] : Décodeur 4x4
d’une plate-forme de démonstration encore plus solide, tant au niveau technologique

qu’au niveau conceptuel.
2.5 Architecture neuromorphique
Likharev, physicien à l’université de Stony Brook de New York, possède une grande
expertise dans le domaine des dispositifs SET (Single Electron Tunneling). Il propose
un concept général d’architecture de circuit appelé CMOL ( CMOS/ nanowires /Mo-
lecular ). Il s’agit d’une approche hybride comprenant une couche CMOS par dessus
laquelle est formé un réseau de nanofils. Aux intersections de ces nanofils, des molécules
sont auto-assemblées. L’implémentation de réseau de neurone est selon lui la meilleure
application pour ce type de circuits, et dans cette optique, son équipe a développé le
CrossNet (Distributed Crosspoint Networks).
2.5.1 L’architecture CMOL : une architecture hybride
Cette proposition d’architecture de circuit hybride CMOL se base sur les considé-
rations suivantes [Lik04] :
– Il est peu envisageable d’étendre à l’échelle du nanomètre la logique booléenne
associée aux circuits CMOS ainsi que les techniques de lithographie actuelles. En
effet, la précision requise est de l’ordre de l’Angstroem, et quand bien même ce
serait réalisable, les coûts de fabrication seraient beaucoup trop élevés
– La solution est donc d’avoir une approche de fabrication bottom-up, les dispositifs
actifs sont chimiquement synthétisés et de taille reproductible
– Cependant, des circuits uniquement composés de molécules sont tout aussi peu
envisageables, car le gain en tension de nano-transistors à effet de champ ou des
SET est encore généralement inférieur à 1, hors un gain supérieur à 1 est la
condition nécessaire au fonctionnement de tout circuit, qu’il soit analogique ou
numérique
– L’hypothèse de départ pour intégrer des dispositifs moléculaires dans des archi-
tectures est donc de les interfacer avec une couche de logique CMOS qui apporte
un gain en tension supérieur, mais aussi d’autres fonctionnalités impossibles à
réaliser avec les nanotechnologies
C’est pourquoi la coupe d’un circuit CMOL peut se décomposer en trois étages de
technologies différentes et aux fonctionnalités distinctes (figure 2.23) :
– Une couche de dispositifs avancés en technologie CMOS, réalisée par lithographie
classique
– Deux couches faisceau de nanofils parallèles, interconnectées avec la précédente
aux travers de plots
– Des dispositifs moléculaires à deux électrodes, auto-assemblés aux intersections
des nanofils.
La difficulté d’alignement des nanofils avec les plots de connexion vers la partie
CMOS est astucieusement solutionnée en les plaçant suivant un réseau carré légère-
ment incliné par rapport au réseau de nanofils, figure 2.24(a). L’angle d’inclinaison α
du réseau nano est calculé en fonction du grain (pitch) des réseaux micro et nano,
α = sin−1 (Fnano /βFCM OS ). De cette manière, théoriquement, l’ensemble des nanofils
sont accessibles par la logique de contrôle CMOS enfouie en dessous.
Fig. 2.23 – [Lik04] : Vue schématique de coupe du circuit CMOL.
(a) Vue schématique du dessus du sous système (b) Détails de l’adressage d’un nanodevice
plot/nanofil/molécule. Un réseau carré de plots lé- grâce à deux cellules CMOS
gèrement incliné permet d’interfacer tous les nano-
fils organisés en réseau
Fig. 2.24 – [Lik04] : Adressage micro-nano. L’angle d’inclinaison du réseau nano α est
fonction du grain des réseaux micro et nano, α = sin−1 (Fnano /βFCM OS )
Parmi les applications envisageables pour les circuits CMOL, leur simple utilisa-
tion en tant que remplacement de circuits logiques booléens CMOS classiques n’est pas
réaliste [Lik04]. En effet, d’après [SL04], les architectures à base de dispositifs d’électro-
nique moléculaire ne peuvent à la fois présenter une grande densité d’intégration et une
haute tolérance aux fautes. Par ailleurs, les dispositifs moléculaires à deux électrodes
présentant une trop grande dégradation du signal, les amplificateurs CMOS nécessaires
pour palier ces effets ramènent la densité moyenne en dispositifs de ces circuits en des-
sous du niveau des circuits purement CMOS, perdant donc l’avantage en intégration
attendu par l’utilisation de molécules. D’autre part, avec une telle densité de dispositifs
(1011 .cm−2 ), les contraintes sur la puissance dissipée par unité de surface (inférieure à
quelques nanowatts) et sur l’utilisation d’une différence de niveaux logiques acceptable
(environ 1V ), imposent un compromis sur la vitesse d’opération, donnant des circuits
très peu performants.
Bien qu’il semble que les mémoires en technologie hybride soient plus avantageuses
que les mémoires CMOS7 , Likharev et son équipe focalisent leurs travaux sur l’utilisa-
tion de ce type de circuit pour la réalisation de réseaux de neurone. Ils proposent ainsi
le CrossNet (distributed Crosspoint Networks), que nous détaillons ci-dessous.
2.5.2 Le CrossNet
Le CrossNet [TML03] est un circuit CMOL implémentant un réseau de neurones.

Les neurones sont réalisés par la couche CMOS et les synapses par les dispositifs molé-
culaires de type transistor Single Electron Tunneling. Deux dispositifs illustrés par les
figures 2.25 et 2.26 ont été utilisés pour faire tourner des simulations.
En combinant deux de ces dispositifs, une synapse à trois valeurs (−1,0,1) est obte-
nue. Pour certains modèles de réseau de neurone (réseau de Hopfield) ceci est suffisant,
mais pour d’autres modèles (perceptrons), des synapses multivaluées sont nécessaires.
Le CrossNet (figure 2.27) est donc utilisé dans une structure de type réseau de Hop-
field, bien que la condition de connectivité maximale entre les neurones généralement
imposée par ce type de réseau ne soit pas satisfaite. Cependant, les résultats obtenus
[TLML04] démontrent la très bonne tolérance aux défauts de fabrication du CrossNet.
En outre, [TML03] et [LMMT03] montrent que cette topologie n’engendre pas non plus
de pertes de propriétés importantes dans le fonctionnement du réseau de neurones.
7
Avec une densité élevée (1011 .cm−2 ) de dispositifs, tout en maîtrisant un taux de défauts inférieur
à 10%
Fig. 2.25 – [KK.99] : (a) Dispositif SET réalisant la fonction d’une synapse de type Bi-
WAS (Binary-Weight, Analog Signal) (b) Simulation numérique Monte-Carlo du single-
electron tunnelling
Fig. 2.26 – [KK.99] : Une implémentation moléculaire possible d’une synapse (Mayr et
al., 2003)
Les performances simulées sont encourageantes quant aux développements de ce

concept.
– Densité de neurones de 5.107 cm−2 , contre 1, 5.107 cm−2 dans le cerveau
– Latence entre cellules de 20ns pour une limite de 100W.cm−2 ou 2µs à 1W.cm−2 ,
contre 10ms dans le cerveau
– Performance permettant de reconnaître un visage au milieu d’une foule (image de
8 megapixels) en 300µs (avec une limite de dissipation de 100W.cm−2 ), à compa-
rer à environ 3 heures pour une version logicielle haute performance.
2.5.3 Conclusion
Dans l’état de l’art actuel, il s’agit de l’unique proposition visant à utiliser l’élec-
tronique moléculaire pour implémenter le paradigme de traitement de l’information par
Fig. 2.27 – [TML03] : Structure en croix du CrossNet
réseaux de neurones. Bien que l’utilisation de synapses binaires dans le CrossNet ne

soit peut être pas le type le plus adapté pour obtenir un circuit neuronal performant du
point de vue applicatif, cette étude, très bien détaillée aussi bien au niveau fabrication
(hybridation CMOS, réseau décalé,. . .) qu’au niveau conceptuel (réseau de neurones, sy-
napses moléculaires,. . .), a le mérite de proposer un certain nombre d’axes de recherche
qui semblent réellement pertinents.
2.6 Automate Cellulaire
En 1993, MM. Lent, Tourod, Porod et Bernstein [LTPB93] proposent la notion d’au-
tomates cellulaires quantiques (Quantum Cellular Automata, QCA) dans lequel l’état
de charge de points quantiques est déterminé par celui de ses voisins. Depuis, l’univer-
sité de Notre Dame (Indiana, USA) effectue un nombre important de travaux sur les
automates cellulaires quantiques (Quantum Cellular Automata QCA) au sein des deux
départements Department of Chemistry and Biochemistry et Department of Electrical
Engineering. Le concept de QCA se pose en alternative à la technologie VLSI CMOS
ultime pour l’implémentation de portes logiques dans une architecture de type Von
Neumann. Il s’agit d’une approche permettant la réalisation de calculs en représentant
l’information binaire non plus comme étant l’état d’interrupteurs de courant, mais la
configuration des charges dans une cellule constituée d’un ensemble de points quan-
Automate Cellulaire 67
tiques.
Différents types de dispositifs QCA ont été démontrés, certaines équipes proposant
d’utiliser des points métalliques, d’autres ayant réalisé une implémentation moléculaire
[LIL03]. La fiabilité, la tolérance aux défauts ainsi que les stratégies de conception de
tels systèmes ont été étudiées. Cependant, les obstacles majeurs à l’implémentation de
systèmes QCA sont aujourd’hui encore liés aux problèmes de restauration de gain dans
les cellules [OAK+ 02] [TL02] et à la dissipation de puissance [TL02].
2.6.1 Qu’est ce qu’une cellule QCA ?
Une cellule QCA est constituée d’un petit nombre de points quantiques. Un point
quantique est une structure de taille nanométrique suffisamment petite pour que des
phénomènes quantiques y soient prépondérants. Une de ses caractéristiques intéres-
santes est que la charge présente est discrète, on peut ainsi charger le site électron
après électron. Une cellule standard QCA est composée de quatre points quantiques
diamétralement opposées deux à deux, sous l’effet de la force de répulsion de Coulomb,
les électrons excédentaires vont se positionner dans les coins diamétralement opposés
de la cellule. Comme le montre la figure 2.28, deux configurations de polarisation sont
possibles, chacune correspondant alors à une valeur codée binairement de ’0’ ou ’1’.
Fig. 2.28 – [OAB+ 97] : Schéma de cellules à quatre points quantiques, la force de
répulsion de Coulomb impose aux électrons d’occuper les coins opposés de la cellule
Il y a traitement de l’information lorsqu’une cellule a la capacité de forcer l’état de

la cellule qui suit. Par exemple la figure 2.29 représente un fil QCA où l’information se
propage de proche en proche. Si on force l’état de la première cellule dans l’état ’0’ la
nouvelle valeur du bit va se propager jusqu’à la dernière cellule.
Fig. 2.29 – [OAB+ 97] : Fil à base de cellule QCA
Les dispositifs QCA sont ainsi construits en disposant les cellules les unes à côtés
des autres de façon appropriée. Les fonctions QCA nécessaires à l’utilisation en logique
sont le fil (Figure 2.29), la porte majorité (Figure 2.30(a)), l’inverseur (Figure 2.31),
le fan-out (Figure 2.33, où une même information incidente est envoyée vers plusieurs
fils), le crossover (Figure 2.34, le croisement entre 2 fils). En fixant la valeur d’une des
entrées de la porte majorité à ’0’ (P = −1), on obtient une porte AND, en la fixant à
’1’ (P = +1) on obtient une porte OR (Figure 2.30(b)).
(a) La sortie prend la valeur majoritaire- (b) En fixant la valeur d’une des entrées de la porte
ment représentée aux entrées majorité à ’0’ (P = −1), on obtient une porte AND.
Inversement, en la fixant à ’1’ (P = +1) on a une
porte OR
Fig. 2.30 – [QCA] : Porte majorité et son utilisation
Fig. 2.31 – [QCA] : Inverseur à QCA. Les cellules positionnées à 45 degrés les uns par
rapport aux autres interagissent inversement, leur polarisation est toujours inverse
Fig. 2.32 – [QCA] : Chaine d’inversion à QCA. Chaque cellule prend la polarisation
inverse de son plus proche voisin
Fig. 2.33 – [QCA] : Fanout à QCA. Une même information incidente est envoyée vers
plusieurs fils
Fig. 2.34 – [QCA] : Crossover à QCA. L’information qui se propage sur la ligne verticale
n’interagit pas avec le fil horizontal
Dans ces circuits à base de QCA, le signal d’horloge synchronise le système et amène
aussi l’énergie nécessaire au fonctionnement de chaque cellule [LT97]. Ce signal contrôle
le débit des électrons passant d’un point à un autre par effet tunnel quantique, et donc
ainsi leur polarité. Quand le signal d’horloge est haut, la barrière de potentiel entre
les points est basse, et les électrons se déplacent dans la cellule. Inversement, une fois
l’horloge au niveau bas, la barrière de potentiel est haute et les électrons se localisent
(par polarisation) en fonction de l’interaction avec les points voisins. En fonction du
nombre de cellules QCA et de leurs arrangements, on peut ainsi distinguer plusieurs
régions d’horloge, en fonction de la phase, distinguables sur la figure 2.35(a) par leurs
différents niveaux de gris.
A partir de ces éléments de base, on peut concevoir des fonctions logiques plus com-
plexes, comme par exemple un additionneur complet [Ber03] [QCA] illustré par la figure
2.35(a) et schématisé par la figure 2.35(b).
(a) Implémentation d’un additionneur complet à (b) Schéma équivalent avec des bascules-D
QCA. Les niveaux de gris indique les régions d’hor- de l’additionneur complet à QCA
loge en fonction de la phase
Fig. 2.35 – [QCA] : Additionneur complet et son schéma équivalent

2.6.2 Implémentation avec des jonctions tunnel métalliques

Des dispositifs QCA à base de points métalliques ont été expérimentalement démon-
trés : la cellule QCA [OAB+ 97], des fils QCA [OAT+ 99] ou encore la porte majorité
[IOT+ 99]. Ces expériences ont montré que la modification de la configuration des charges
dans une cellule est effectivement capable de changer l’état des cellules voisines et per-
met donc de réaliser des fonctions.
Un registre à décalage QCA a également été réalisé [KOR+ 03] (Figure 2.36). Cepen-
dant, le fonctionnement de ces dispositifs expérimentaux a lieu à très basse température,
la plus élevée relevée dans la littérature fait état de 70mK, ce qui pose un sérieux pro-
blème.
Fig. 2.36 – [KOR+ 03] : (a) Schéma d’un registre à décalage QCA, (b) image au MEB
du registre à décalage fabriqué
Les types d’erreurs rencontrés dans le registre à décalage ont été caractérisés. Dans
le fonctionnement du latch, le bit est sauvegardé tant que le signal d’horloge est présent,
quand il a disparu l’information est perdue. D’où la différence de phase entre clock1 et
clock2 que l’on peut constater sur la figure 2.37.
Les erreurs dans le registre à décalage peuvent être de quatre types différents :
– Erreurs en délais : l’information stockée dans le latch est perdue avant la fin du
cycle d’horloge. Ceci apparaît quand la durée du signal d’horloge est comparable
Fig. 2.37 – [KOR+ 03] : Fonctionnement d’un registre à décalage. (a) Entrée VIN appli-
quée à L1 (b) Horloge VC1 du latch L1. (c) Sortie de L1 mesurée par la tension du dot
D1. (d) Horloge VC2 décalée en phase appliquée au latch L2. (e) Sortie de L2 donnée
par le potentiel du dot D4
au temps de rétention. La solution serait d’avoir une fréquence d’horloge de l’ordre

du GHz.
– Erreurs de basculement : le signal d’entrée appliqué au latch impose une préférence
pour l’un ou l’autre des états binaires, le latch bascule dans l’état privilégié quand
le signal d’horloge est appliqué. Cependant en présence de bruit extérieur tel que
l’excitation thermique, le latch peut basculer dans le mauvais état. La solution
résiderait dans la diminution en taille du point métallique, ce qui impliquerait
une augmentation de l’énergie de charge, elle-même entraînant une diminution
importante de la probabilité d’erreur de basculement.
– Erreurs dynamiques : en théorie, celles-ci deviendraient prépondérantes quand la
fréquence d’horloge approche la vitesse des électrons traversant les barrières de
potentiel par effet tunnel. Pour les dispositifs constitués de jonctions tunnel mé-
talliques comme c’est le cas dans ces travaux, ces erreurs ne sont pas significatives
jusqu’à une période d’horloge de 1GHz. Cette valeur devrait être supérieure pour
une implémentation moléculaire du QCA.

– Erreurs dues aux variations aléatoires dans la distribution des charges, impliquant
un repositionnement des tensions de fonctionnement du dispositif, dans une échelle
de temps allant d’une dizaine de minutes à quelques heures. Une solution serait les
dispositifs SET à base de silicium qui se sont révélés plus stables sur une période
d’un an.
Les auteurs avancent qu’une réduction en taille des dispositifs permettrait de dimi-
nuer ces différents types d’erreur et faciliterait un fonctionnement à plus haute tempé-
rature. Il est cependant délicat d’un point de vue technologique d’envisager de réaliser
cette miniaturisation.
2.6.3 Vers une implémentation moléculaire
Dans un QCA moléculaire [LIL03], les points quantiques sont les centres redox de
la molécule. Un centre redox peut gagner un électron (réduction), ou en perdre un
(oxydation) sans détruire ses liens chimiques. Les molécules possédant au moins deux
centres redox entre lesquels un électron peut se déplacer sont des composés à valence
mixte. Leurs simulations montrent que ces molécules sont de bons candidats pour un
fonctionnement QCA.
En particulier, une molécule F e3 − Ru2 (figure 2.38) a été caractérisée par des
techniques électrochimiques et spectroscopiques [QSL+ 03]. Les résultats préliminaires
permettraient d’envisager une implémentation moléculaire des QCA.
2.6.4 Perspectives
Actuellement, un des obstacles fondamentaux à l’utilisation de l’électronique molé-

culaire est la nécessité de diminuer la dissipation en puissance par dispositif. L’approche
QCA permettrait de diminuer la dissipation en puissance de plusieurs ordres de gran-
deurs par rapport à un circuit similaire en technologie CMOS, grâce notamment aux
transferts discrets d’électrons entre les cellules.
Les implémentations que nous avons présentées utilisent la localisation de charges

électriques, mais une implémentation magnétique utilisant le spin de l’électron à base
de nano-aimant est aussi envisagée [Ber03] [CW00]. Cependant il semble que les vitesses
Fig. 2.38 – [QSL+ 03] : Molécule de F e3 − Ru2
de commutation de ces dispositifs magnétiques les rendent actuellement encore très peu
compétitifs.
Tous les dispositifs fabriqués restent encore à l’état de prototypes de laboratoire car
le nombre d’électrodes requis par de tels systèmes est trop important. Enfin, un autre
aspect crucial tant pour la crédibilité de ce nouveau paradigme que pour sa survie et ses
débouchés industriels, reste pour l’instant sans solution : il s’agit du problème de l’inter-
façage des QCA avec des systèmes plus classiques qui n’est pas encore réellement abordé.
2.7 Le crossbar moléculaire
En 1995, HP avait déjà commencé à explorer la voie des architectures complexes

tolérantes aux fautes (statiquement) avec son projet Teramac [RcC+ 95]. Initialement,
Teramac était en fait une plate-forme d’exploration d’architectures parallèles compo-
sée d’une batterie de 864 FPGAs interconnectés. Environ 75% du système avait des
défauts, soit d’interconnexion dûs aux câbles, soit le circuit (FPGA) était défectueux.
Globalement, 3% des ressources étaient inutilisables. C’est pourquoi, après son assem-
blage, une base de donnée géante représentant l’ensemble des cellules défectueuses ou
inaccessibles était créée, ce qui permettait par la suite de pouvoir mapper avec succès
n’importe quelle architecture ou application, sans compromettre son fonctionnement.
Souvent cité dans les publications liées aux architectures moléculaires, le Teramac d’HP
Le crossbar moléculaire 75
est considéré comme l’une des premières approches bottom-up consistant à fabriquer le
composant ou le système avant de le caractériser et donc de pouvoir le configurer.
Cependant, ce n’est que tout récemment que le laboratoire de recherche de Hewlett-

Packard (Palo Alto, CA, USA) a publié la réalisation d’une architecture moléculaire
[CJO+ 03]. Ces travaux, assez controversés quant aux explications avancées, ont été re-
mis en cause par leur auteurs [SOB+ 04] quelques mois après. Ils auront tout de même
eu le mérite d’accélérer la course à la miniaturisation et d’avoir réalisé l’un des premiers
circuits à base de composant nanotechnologique. Fort de quatre brevets de bases sur
les architectures à base d’électronique moléculaire [SP01] [SY01] [SJY01] [SJY00], HP
s’affiche clairement comme un pionnier du domaine au niveau industriel.
2.7.1 Le crossbar d’interrupteurs moléculaires
Issue d’une étroite collaboration entre l’équipe de recherche quantique de HP et le

département de chimie et bio-chimie de l’université de Californie, la première mémoire
à base de molécules ayant une densité record de 6, 4Gbits.cm−2 a été annoncée au dé-
but de l’année 2003 [CJO+ 03]. Depuis, HP a présenté en 2004 un crossbar de 1kb, puis
en 2005 un de 16kb avec une largeur de nanofil de 17nm. D’après une allocution de
Stanley Williams lors de la conférence TNT 2006, ils espèrent pouvoir présenter pour le
début de l’année 2007 un crossbar encore plus dense avec un pitch de 4nm. Nous nous
focaliserons sur leur première publication, plus détaillée.
Fig. 2.39 – [CJO+ 03] : (a) Représentation schématique de la structure du crossbar (b)
Structure moléculaire de la molécule bistable de [2]rotaxane
A la différence de procédés de fabrication de circuit basés sur la chimie et l’auto-

assemblage [Tou03b], ou de propositions alliant des techniques lithographiques clas-
siques à des procédés originaux (alignements de nanofils par fluide ou par champs élec-
triques) [A.D04], Chen et al. basent leur proposition d’architecture de mémoire sur une
technique de lithographie avancée par empreinte (Imprint Lithography) leur permettant

de réaliser des fils aux dimensions inférieures à 10nm de largeur. Le procédé de fabri-
cation par empreinte est, relativement, simple et peu coûteux [ea03a]. Il est par ailleurs
breveté [Y.02].
Prise en sandwich entre deux rangées de nanofils, l’une réalisée en platine, l’autre
en titane (Figure 2.39(a), en jaune), la monocouche de [2]rotaxane (Figure 2.39(a), en
vert) est le principe actif du dispositif. La molécule est constituée de deux parties se
bloquant mutuellement : un axe aux extrémités bloquantes entouré d’un anneau [ea01]
[ea03b]. Le lecteur pourra se référer à la section 1.4.2 (figure 1.27) pour plus de précision
sur la molécule de [2]rotaxane.
2.7.2 Réalisation expérimentale
Plusieurs centaines de crossbar 8x8 ont été fabriqués sur un wafer. Chacune des
64 intersections de ces dispositifs est testée indépendamment grâce à leurs 16 contacts
(Figure 2.40(a)). Les nanofils créés par Imprint Lithography ont une largeur de 40nm
(Figure 2.40(b)(c)(d) ).
Chaque crossbar 8x8 (Figure 2.7.2) a tout d’abord été testé à température ambiante
comme une mémoire de 64 bits. Après avoir trouvé une matrice sans défaut, l’équipe
y a mémorisé les 64 bits suivants (en code ASCII) : HPinvent (Figure 2.7.2). La mé-
morisation (l’écriture) d’un bit consiste à fixer la résistance de chaque intersection par
application d’une tension de programmation aux bornes de la ligne et de la colonne cor-
respondant à cette intersection. Les niveaux logiques sont donc fonction de la résistance
de chaque intersection et donc du courant qui la traverse. Soit environ 5.108 Ω pour un
’0’ et 4.109 Ω pour un ’1’. La lecture s’effectue en mesurant le courant de l’intersection
considérée.
Utilisant leur invention sur les décodeurs d’adresses moléculaires [SP01], Chen et
al. proposent d’implémenter dans deux sous-matrices 4x4 de la matrice 8x8 principale,
un multiplexeur et un démultiplexeur entourant un emplacement mémoire 4x4 (Figure
2.42). Cependant, un problème de seuil électrique dû vraisemblablement aux capacités
et aux diodes externes ne permit pas de vérifier entièrement le contenu de la mémoire.
Une fois la mémoire 4x4 programmée, seule une sous-matrice 2x4 a pu être clairement
lue.
Le crossbar moléculaire 77
Fig. 2.40 – [CJO+ 03] : (a) image de 4 circuits de test sur 625 créés, montrant que chaque
circuit a 16 contacts. (b)(c) Images SEM d’une intersection de nanofils. (d) Image AFM.
(a) Crossbar 8x8 et résistance pro- (b) Mesure des 64 valeurs de résis-
grammable à chaque intersection tance à chaque intersection
Fig. 2.41 – [CJO+ 03] Mémoire 8x8

Fig. 2.42 – [CJO+ 03] : Le crossbar configuré avec un multiplexeur et un démultiplexeur

autour d’une mémoire 4x4 bits
2.7.3 Perspectives
Bien que vivement critiqués par la communauté scientifique, l’annonce faite par HP
présentant ses travaux comme étant la révolution technologique tant attendue sera fi-
nalement remise en cause dix mois plus tard par les auteurs eux-mêmes [SOB+ 04]. Il
semblerait que l’effet mémoire observé ne soit pas dû à la commutation de l’anneau des
molécules de [2]rotaxane, mais plutôt de la création de filaments par ionisation entre les
deux électrodes à chaque intersection du crossbar lors de la phase de programmation.
Cependant, bien que l’explication du phénomène de mémorisation observée soit toujours
soumise à débat, HP continue de travailler sur ce projet, S.Williams ayant déclaré lors
de la conférence TNT 2006 que les informations stockées dans les mémoires réalisées il
y a plus de 3 ans étaient encore valides.
Cette étude a le mérite d’être l’une des premières dans le domaine qui présente à la
fois un prototype technologique associant lithographie et auto-assemblage moléculaire,
ainsi qu’un concept original de mémoire avec décodeur d’adresse à base de logique à
diode programmable.
Chapitre 3
Les points mémoires
Ce chapitre présente de manière succincte1 les différents types de points mémoires

classiques (SRAM,DRAM, EEPROM, Flash) ainsi que des concepts de points mémoires
plus récents, exclusivement issues de la recherche en nanotechnologie. Ce tour d’hori-
zon volontairement rapide permet d’introduire les travaux originaux présentés dans la
deuxième partie.
3.1 DRAM
Une cellule mémoire de type DRAM, pour Dynamical Random Access Memory,
est formée d’un transistor d’accès (1-T) en commutation tout ou rien (interrupteur) et
d’une capacité dipolaire stockant 1 bit d’information sous la forme de charge. A cause
des courants de fuite sous le seuil du transistor d’accès, la charge de la capacité ne peut
pas être gardée longtemps et doit être rafraîchie régulièrement (1 − 4ms). C’est une
cellule mémoire volatile dont la taille est de 0.22µm2 en technologie 90nm. La figure
3.1 montre le schéma le plus simple d’un point mémoire DRAM où l’accès en lecture
détruit l’information stockée. Il faut donc une phase d’écriture après chaque phase de
lecture.
1
Pour les détails des différents types de mémoires actuellement les plus répandus, le lecteur pourra
consulter différents ouvrages de référence tel que [Ito01]
79
80 Les points mémoires
WordLine
Interrupteur
DataLine
Point mémoire
Fig. 3.1 – Point mémoire DRAM (1-T) à lecture destructive
3.2 SRAM
La figure 3.2 montre une cellule SRAM standard à six transistors (6-T) constituée de
deux inverseurs et de deux transistors MOSFETs d’accès connectés à une paire de lignes
différentielles de donnée (ou de bit). La SRAM est capable de stocker 1 bit d’information.
L’information binaire, 0 ou 1, est codée par l’état d’une bascule logique. Pour obtenir une
bascule, l’entrée et la sortie d’un des inverseurs sont connectées à la sortie et à l’entrée
de l’autre inverseur, respectivement. La cellule SRAM est plus rapide que la DRAM, et
contrairement à cette dernière, tout en étant volatile, l’information stockée ne nécessite
pas de rafraîchissement pour être conservée. Taille de cellule standard (6-T) : 1µm2 en
technologie 90nm, 0.7µm2 en technologie 65nm.
WL
VDD
DL DL
Fig. 3.2 – Point mémoire SRAM (6-T) de type full-CMOS
3.3 Flash
La cellule de type Flash a pour principal avantage de pouvoir conserver une infor-
mation une fois l’alimentation électrique coupée tout en garantissant un temps d’accès
Flash 81
en lecture relativement faible. L’information est donc non-volatile. Une cellule de type
Flash (fig.3.3) ressemble à un transistor MOSFET avec la particularité d’avoir une grille
flottante prise entre la grille de contrôle et le substrat. C’est la quantité de charge pré-
sente dans cette grille flottante qui code l’information.
Chaque cellule Flash stocke traditionnellement un bit d’information. Certaines mé-

moires commercialisées récemment peuvent stocker plusieurs bits d’information en fai-
sant varier la quantité de charges (électrons) dans la grille flottante et en améliorant la
précision des circuits de lecture et d’écriture. Actuellement le nombre de bit par cellule
est de deux, ce nombre devrait doubler à l’horizon 2007. Samsung Electronics a en effet
présenté à la conférence 2006 Symposium on VLSI Technology une nouvelle structure de
type SONOS (silicon-oxide-nitride-oxide-silicon) capable de stocker 4 bits par cellules,
réparti spatialement. La taille physique d’une cellule Flash de type NAND est d’environ
0, 04µm2 en technologie 90nm, et réduite à 0, 0138µm2 en technologie 50nm (IMFT).
Le problème de la réduction de la taille de la cellule de type Flash se pose actuellement
pour les procédés technologiques futurs.
CG Oxyde
Substrat de type P
FG Dopage de type N
Grille flottante
S D
Grille de contrôle
Fig. 3.3 – Point mémoire Flash
On distingue principalement deux types d’architecture de mémoire Flash apparus

l’une après l’autre, pour finalement coexister aujourd’hui dans des utilisations diffé-
rentes.
– Architecture de type NOR : Les cellules sont connectées en parallèle de ma-
nière matricielle, chacune d’elle est accessible à l’intersection d’une ligne et d’une
colonne (figure 3.4(a)), permettant un accès relativement rapide aux données
(temps de lecture 70ns en 2004). L’écriture, c’est à dire la charge de la grille flot-
tante, s’effectue par porteurs chauds. Cependant, leurs dimensions restent élevées
(0, 1µm2 par cellule) et difficilement réductible. De part leur possibilité d’accès
aléatoire (RAM), ces mémoires Flash sont essentiellement utilisées aujourd’hui
comme mémoire programme, c’est à dire, contenant le code d’un programme à

exécuter.
– Architecture de type NAND : Connectées en série (figure 3.4(b)), la dimi-
nution de la consommation grâce à l’écriture par effet Fowler-Nordheim et le
doublement de la densité d’intégration des cellules NAND par rapport aux NOR,
expliquent leur succès commercial. Cependant, l’adressage s’effectuant unique-
ment par mot de n bits réduit son utilisation à une mémoire de donnée.
DL DL
DL DL SG
WL
SG
WL WL
SL
WL
SG2
SL SL
(a) Type NOR (b) Type NAND
Fig. 3.4 – Architectures de mémoire FLASH
3.4 Cellules issues de l’électronique moléculaire

3.4.0.1 Stockage électronique
Précédemment évoqué, la recherche visant à utiliser des molécules pour y stocker

une information c’est largement développée depuis quelques années. Généralement, les
différentes propositions utilisent les propriétés d’oxydo-réduction de l’atome central mé-
tallique pour sauvegarder une information, alors que les ligands ou d’autres types de
molécules connectées à la première, jouent le rôle de barrière isolante permettant de
conserver l’état de charge du noyau.
Un certain nombre de brevets dans le domaine ont été déposés, notamment le

WO 2005/073976 A1 [Zet05] et US 6,944,047 B2 [Rot05] par ZettaCore, et aussi US
Cellules issues de l’électronique moléculaire 83
2005/0121660 A1 [Mis05]. Les figures 3.5(a) et 3.5(b) présentent les cellules mémoires
proposées dans ces brevets.
Les deux premières propositions sont à l’origine de la ZettaRAM de ZettaCore. La

capacité de stockage d’une cellule DRAM qui sert à mémoriser une information est
remplacée par une capacité moléculaire, (301 fig.3.5(a) et 920 fig.3.5(b)). Ce disposi-
tif moléculaire dipolaire est réalisée par une mono-couche auto-assemblée de molécules
(SAM, Self Assembled Monolayer). On retrouve par ailleurs un transistor classique (303
fig.3.5(a) et 910 fig.3.5(b)) pour l’accès à la cellule mémoire.
La charge de cette capacité d’un genre nouveau est essentiellement fonction de la

durée du potentiel appliquée à ses bornes, indépendament de la valeur absolue de cette
tension, passsé un certain seuil. En conséquence directe, la vitesse d’écriture, et donc la
fréquence de fonctionnement de cette cellule, influence la quantité de charge. A défaut
de révolutionner le concept de mémoire volatile, ce point mémoire apporte de nou-
veaux éléments permettant de changer dynamiquement le compromis vitesse/énergie
[VAZR05].
(a) Cellule mémoire extraite de [Zet05] (b) Cellule mémoire extraite de

[Rot05]
Fig. 3.5 – Différents types de cellules mémoires moléculaires issues de brevet
3.4.0.2 Stockage électro-mécanique
Nantero (cf. section 1.3.4.2) propose aussi, et de manière commerciale, une mémoire
organisée de manière matricielle, de très haute densité, non-volatile et théoriquement
insensibles aux rayonnements type gamma, à base de nanotubes de carbone suspendus

au dessus d’une contre-électrode. Un procédé réversible et reproductible permettant de
courber des nanotubes jusqu’à toucher une contre-électrode, et inversement, sert à coder
une information binaire (Figure 3.6).
Fig. 3.6 – Mémoire électro-mécanique NRAM à base de nanotube présentée par Nantero
[Pau04]
3.5 Tableau récapitulatif
Cellule Composants Surface (90nm) Nbre bits P/cell. Volatile

DRAM 1 Transistor, 0.22µm2 1 oui
1 Condensateur
SRAM 6 Transistors 1µm2 1 oui
FLASH 1 Transistor Flash 0.04µm2 2 non
Cellule à minimum fonction
stockage 1 Transistor, très petit 1 des
moléculaire 1 dipôle moléculaire molécules
Plusieurs Nanotubes
Nantero de carbone 0.02µm2 ( ?) 1 non
cf. section 1.3.4.2 suspendus
Tab. 3.1 – Tableau comparatif

Deuxième partie
Contribution originale
85
87
Contexte et Motivation
Les dispositifs à base d’électronique moléculaire tels les nanotubes, les nanofils, les
molécules de porphyrines ou de rotaxanes apparaissent comme des candidats potentiels
à l’intégration dans les mémoires du futur. En effet, leur utilisation permettrait d’ob-
tenir, de part leurs dimensions nanométriques, des densités très élevées, bien au-delà
de la roadmap silicium, tout en réduisant les coûts de fabrication grâce aux procédés
d’auto-assemblage et d’intégration tridimensionnelle.
Cependant, l’état de l’art actuel semble indiquer qu’à cette échelle, les variations
technologiques d’un composant à l’autre seront très élevées. Par ailleurs, ce domaine
étant relativement récent, il n’existe pas de modélisation de ces dispositifs permettant
d’explorer par simulation de nouveaux circuits et architectures complexes.
En conséquence, les travaux de recherche présentés dans ce manuscrit de thèse pro-

posent plusieurs niveaux de modélisation de transistors moléculaires à nanofils à effet de
champs (NW-FET moléculaire), une structure et une modélisation d’une cellule de mé-
moire non-volatile, compacte et multi-valuée, ainsi qu’un nouveau type d’architecture
de mémoire de très haute densité et tolérante aux dispersions.
88
Chapitre 4
Modélisation du transistor
moléculaire NW-FET
La modélisation des dispositifs issus de l’électronique moléculaire est un domaine

récent, où très peu de publications existent. Au moment de la rédaction de ce mémoire
de thèse, on ne dénombre qu’une seule publication s’intéressant spécifiquement à la
modélisation d’un type de dispositif moléculaire [VAZR05]. Cette étude présente la mo-
délisation d’une capacité moléculaire, une mono-couche moléculaire visant à remplacer
la capacité des mémoires de type DRAM (section 3.4).
Dans ce chapitre, nous présentons les détails d’une modélisation générique d’un tran-
sistor à effet champs à grille flottante moléculaire [JCA06a]. Le domaine étant encore
en pleine évolution et les explications des phénomènes physiques n’étant elles-mêmes
pas complètement abouties, l’approche adoptée se veut donc pragmatique, privilégiant
la fonctionnalité et l’optimisation en temps de calcul. Les objectifs de cette modélisa-
tion sont, essentiellement, de pouvoir disposer d’un modèle reproduisant fidèlement le
comportement électrique spécifique de ces transistors, et de permettre ainsi de pouvoir
simuler et analyser des circuits plus complexes en un temps raisonnables.
Ainsi, à partir des caractéristiques expérimentales de transistors NW-FET molé-

culaires, nous avons développé un modèle comportemental en VHDL-AMS, alliant des
équations électriques et des processus combinatoire émulant certains phénomènes chi-
miques. La modélisation réalisée met l’accent sur l’aspect fonctionnel du composant, en
accord avec les données mesurées et optimisée en temps de calcul pour être intégrée dans
des simulations d’architecture mémoire composée de plusieurs milliers de composants.
89
90 Modélisation du transistor moléculaire NW-FET
4.1 VHDL-AMS
Le langage VHDL-AMS (officiellement VHDL 1076.1-1999) est une extension du lan-

gage VHDL (1076-1993). Tout en assurant une compatibilité ascendante totale, cette
nouvelle révision permet de modéliser tout système dont le comportement est décrit
par des équations différentielles algébriques (DAE) en fonction du temps. De ce fait,
VHDL-AMS est utilisable pour simuler le comportement d’une majorité de systèmes
électriques, mécaniques ou encore thermodynamiques. On utilise la syntaxe "==" pour
définir une DAE.
VHDL-AMS représente les inconnues des équations différentielles par l’intermédiaire

de grandeurs appelées QUANTITY. Ces quantités peuvent être soit d’un type VHDL stan-
dard (real par exemple), soit d’un sous-type d’une nature définie, comme par exemple,
voltage ou current pour la nature electrical. Entre deux bornes (TERMINALs)
d’un composant, on peut définir des quantités ACROSS, relatives à une notion de force
(la tension en électricité), ainsi que des quantités de type THROUGH, relatives quant à
elles à une notion de flux (le courant en électricité).
De nouveaux attributs utilisables par les quantités (et certains signaux de types
réels) spécifiques à VHDL-AMS ont fait leur apparition.
– ’dot et ’integ représentent, respectivement, la dérivation et l’intégration d’une
quantité par rapport au temps. Par ailleurs, l’attribut ’delayed permet de dé-
caler temporellement deux quantités.
– Le produit d’une quantité par une fonction de transfert peut être obtenu par
l’utilisation des attributs ’ltf, pour la transformée de Laplace dans un système
continu, ou ’ztf, pour la transformée en Z pour le système discret.
– ’slew(ddt1,ddt2) permet de suivre la vitesse de variation d’une quantité en
limitant sa dérivée à ddt1 (montée) et à ddt2 (descente). C’est un attribut ty-
piquement destiné à modéliser de manière simple le slew-rate d’un amplificateur.
De la même façon, ’ramp(tr,tf) fixe les temps de montée et de descente d’un
signal réel, permettant ainsi d’intégrer de manière plus réaliste des signaux numé-
riques dans le monde analogique.
– L’attribut ’above permet de savoir si une quantité est au-dessus ou en-dessous
d’un seuil.
VHDL-AMS 91
entity resistance is
generic (RVAL: real);
port (terminal t1, t2: electrical);
end entity resistance;
architecture bhv of resistance is

quantity ur across ir through t1 to t2;
begin
ur == RVAL * ir;
end architecture bhv;
Fig. 4.1 – Exemple d’entité VHDL-AMS décrivant le comportement d’une résistance
Cette nouvelle mouture du langage permet aussi d’effectuer un choix entre plusieurs
DAEs en fonction d’une condition grâce à la construction IF ... USE ... ELSE
... END USE. Par ailleurs, pour faciliter la convergence du simulateur, le pas de si-
mulation autour des discontinuités peut être volontairement affiné par l’utilisation de
la commande BREAK ON [quantité subissant la discontinuité ou signal changeant d’état].
Finalement, un autre avantage de VHDL-AMS est de pouvoir spécifier le domaine en

cours (DC, transitoire, AC) au moment de la simulation. Un même modèle pouvant ainsi
implémenter facilement les conditions initiales pour le calcul du point de fonctionnement
DC :
IF domain = quiescent_domain USE

V == 0.0;
ELSE
I == C * V’dot;
END USE;
Permettant d’illustrer cette première section sur les fonctionnalités de VHDL-AMS,

l’exemple de la figure 4.1 décrit la modélisation d’une résistance électrique.
VHDL-AMS apparaît donc comme le langage le plus abouti aujourd’hui pour mo-
déliser de manière comportementale, et avec une précision suffisante, les principaux
phénomènes physiques d’un système donné. Permettant en outre de réutiliser sans mo-
dification les modèles numériques VHDL, VHDL-AMS est donc particulièrement adapté
à la modélisation de systèmes en signaux mixtes. Par ailleurs, le fait de disposer de li-

cences de l’outil ADvance-MS (ADMS) de Mentor Graphics a définitivement entériné
le choix de VHDL-AMS comme langage de prédilection pour la modélisation lors de
notre étude. En effet, ADMS est un des outils les plus avancés quant à l’implémentation
de la norme VHDL-AMS, et aussi un des plus rapides, grâce à un coeur de simulateur
optimisé, dérivé d’Eldo.
4.2 Modélisation
L’objectif est de modéliser le plus fidèlement possible le comportement électrique
d’un nouveau type de transistor à nanofil semiconducteur et à grille flottante molécu-
laire dont plusieurs publications nous donnent l’allure de leurs caractéristiques [LFL+ 04]
[RD+ 00] [DHL02]. La compréhension des phénomènes électro-chimiques en jeu n’étant
pas encore aboutie mais l’allure des courbes pouvant être assimilée en partie à des ca-
ractéristiques électriques de transistors classiques, nous avons divisé le cœur du modèle,
illustré par la figure 4.2(a), en deux parties. La première calcule le courant IDS en
fonction de VDS et de VG grâce à la mise en équations du comportement du transistor.
La seconde est un processus VHDL-AMS qui évalue le nombre de molécules oxydées
et réduites, déterminant ainsi le VT du transistor. Ce modèle doit reproduire le com-
portement d’un transitor NWFET moléculaire dont la figure 4.2(b) nous donne une
illustration pour un transistor à nanofil semiconducteur d’oxyde d’indium In2 O3 et aux
molécules de F e2+ − terpyridine.
4.2.1 Équations électriques
4.2.1.1 Évaluation du courant IDS
Le comportement électrique du NWFET moléculaire étant relativement proche de

celui d’un transistor N-MOS de type enrichi, une partie des équations est directement
reprise de la modélisation quadratique de Shichman et Hodges [SH68], normalement
adaptée à la modélisation des MOS à canaux long, mais aussi relativement peu gour-
mand en calcul.
Cependant, le composant moléculaire exhibant une caractéristique d’hystérésis très

prononcée, nous avons choisi de modéliser et de généraliser le phénomène d’hystérésis
Modélisation 93
Equations
Model
D S
Estimation V T
G
(a) Vue haut niveau de la modélisation VHDL-AMS (b) Caractéristiques électriques IDS en fonc-
tion de VGS d’un transistor à nanofil semi-
conducteur d’oxyde d’indium In2 O3 et aux
molécules de F e2+ − terpyridine [LFL+ 04]
Fig. 4.2 – Transistor NWFET moléculaire : vue haut niveau et caractéristiques expéri-
mentales
de la manière suivante :
– On utilisera systématiquement les équations classiques du MOS, quel que soit le
signe de VG , jusqu’à atteindre le potentiel limite VGSat > 0, au delà duquel le
courant sera évalué suivant une fonction de saturation.
dVG
– Il y a aussi une limite pour VG << 0 et dt > 0 au-delà de laquelle le courant
IDS est nul. Cela correspond au phénomène électro-chimique où la totalité des
molécules est oxydée.
Le travail sur la partie du modèle dédiée aux équations électriques consiste à trans-
former la tension de seuil constante VT en une variable. Nous avons aussi complété le jeu
d’équations classiques par l’ajout d’une fonction de saturation en courant liée au phé-
nomène d’hystérésis électro-chimique. La figure 4.3 illustre la caractéristique IDS (VG )
modélisée.
Ainsi, les équations (4.1) et (4.2) sont ainsi directement dérivées de la modélisation
du transistor MOS. C’est le processus combinatoire décrit plus loin qui se chargera de
re-calculer VT .
2 dVG
quand (4.1)

IDS = K1 2(VG − VT )VDS − VDS >0
dt
IDSmax
IDS
m
− IDSmax −IDS (VG −VGSat )
(IDSmax − IDSSat ) 1 − e Sat + IDSSat
IDSSat
2
VDS
K1 (VG − VT )VDS − 2
VGSat
VGM AX
2
VDS
K2 (VG − VT )VDS − 2
0
0 VT for dVG
<0
VT for dVG
>0 dt VG
dt
Fig. 4.3 – Détail des équations électriques utilisées dans la modélisation du transistor
moléculaire NWFET
2 dVG
quand (4.2)

IDS = K2 2(VG − VT )VDS − VDS <0
dt
Les constantes K1 et K2 sont des paramètres génériques du modèle. Le tableau 4.1
résume leur valeur extraite de données expérimentales [LFL+ 04] [LLL+ 04] [DHL02].
Le choix de la modélisation par l’équation (4.3) de la saturation du courant IDS à

partir de la tension VGSat a été principalement motivé par deux raisons. La première est
que cette modélisation correspond bien aux mesures qui nous intéressent. La seconde
est que l’exponentielle induit naturellement une saturation à l’infini, émulant ainsi sim-
plement le nombre fini de molécules pouvant être réduites. Ceci nous évite aussi un
test conditionnel, optimisant ainsi le code. Par ailleurs, cette fonction de saturation
est calculée de manière à ce que les deux caractéristiques (équations 4.3 et 4.1) soient
Modélisation 95
Tab. 4.1 – Différentes valeurs de K extraites de [LFL+ 04] [LLL+ 04] [DHL02]
In2 O3 In2 O3 N-doped InP
Bis(terpyridine) − F e 2+ Co − porphyrin Co − phthalocyanine
[LFL+ 04] [LLL+ 04] [DHL02]
K1 365e Ω · V
−9 −1 −1 980e Ω · V
−9 −1 −1 77e Ω−1 · V −1
−9
K2 375e−9 Ω−1 · V −1 3.17e−6 Ω−1 · V −1 65e−6 Ω−1 · V −1
tangentes au point de jonction (VGSat ,IDSSat ).

m

− (VG −VGSat )
IDS = (IDSmax − IDSSat ) 1 − e IDS
max
−IDS
Sat + IDSSat (4.3)
avec
−IDSmax
m= (4.4)
VT − VGSat
VGSat représente la tension de grille au delà de laquelle le courant commence à
saturer pour des raisons vraisemblablement liées à la population de molécules. Il est
quant à lui recalculé à chaque changement de valeur de VT et de VDS . Il est défini par
l’équation (4.5) et correspond à la résolution de l’équation (4.1) pour IDS = IDS Sat .

K1 · (VDS + 2VT ) + IDSSat
VGSat = VDS · (4.5)
2K1 · VDS
MAX_IDS_VG0 et VDS_FIXE sont des paramètres du modèle extraits des courbes
expérimentales et définissent, respectivement, le courant maximal IDS à VG = 0 et la
tension VDS lors de la mesure de la caractéristique IDS (VG ).
IDSSat et IDSmax sont, respectivement, le courant au delà duquel on constate une

saturation et le courant maximal à VDS fixé. Ces paramètres du modèle sont constants
pour une tension VDS donnée. Les équations (4.6) et (4.7) donnent leur mode de calcul
respectif.
MAX_IDS_VG0
IDSSat = VDS · (4.6)
VDS_FIXE
MAX_IDS
IDSM ax = VDS · (4.7)
VDS_FIXE
La mise en œuvre de toutes ces équations nous permet de reproduire fidèlement le
comportement mesuré (Figure 4.2(b)).
4.2.1.2 Équations complémentaires du modèle
Compte tenu de la grille métallique en face arrière largement débordant sous les deux
électrodes de Drain et de Source (cf. fig.4.4), le modèle intègre en outre les équations
relatives à la modélisation des capacités Grille-Source et Grille-Drain. Par ailleurs, la
modélisation de ces capacités facilite la convergence du simulateur, au détriment, il est
vrai, d’un temps de calcul légèrement plus important. Les équations du courant dans
ces capacités sont données par (4.8) et (4.9).
Oxide
S D Métal
Nanofil
G Grille en face arrière
Molecules
Fig. 4.4 – Coupe schématique d’un transistor NWFET à grille flottante moléculaire
dVGS
IGS = COx · (4.8)
dt
dVGD
IGD = COx · (4.9)
dt
COx est un paramètre constant du modèle et correspond à la capacité d’oxyde cal-
culée entre la grille métallique et le plot métallique du drain ou de la source. On prend
pour le moment pour hypothèse que le composant est symétrique.
4.2.2 Modélisation des phénomènes d’oxydo-réduction
Comme nous l’avons précédemment écrit, et en parallèle de l’évaluation des diffé-

rentes équations présentées page 92, un processus (process en VHDL-AMS) se charge
de calculer le nombre de molécules oxydées et réduites. D’après les explications de la
littérature, nous avons pris pour hypothèse que ce nombre est uniquement fonction de
l’amplitude maximale de la tension de grille VG . C’est pourquoi on évaluera sa valeur
une fois un maximum de tension détecté, c’est à dire, à chaque fois que la dérivée de la
Modélisation 97
tension VG change de signe. La tension de seuil VT , directement liée à la proportion de

molécule oxydée, peut-être assimilée à une fonction discrète. Autrement dit, ce proces-
sus est exécuté à chaque fois que le parcours de VG change de sens (par valeur croissante
ou par valeur décroissante). L’équation logique VHDL-AMS 4.10 détaille le signal de
sensibilité.
sensib <= (( vgm’dot’above(0.0)) and vgm’dot /= 0.0) ; (4.10)
VGM AX , paramètre constant du modèle, représente la tension au-delà de laquelle

toutes les molécules sont considérées comme oxydées. Dans le cas où la tension de
grille VG est négative et inférieur en valeur absolue à VGM AX , alors la tension de seuil
VT = VG . Cela correspond à simuler l’oxydation des molécules jusqu’à épuisement de
leur nombre. Dans le cas extrême où VG < VGM AX < 0, VT prend donc la valeur
constante VGM AX .
Ayant posé au début de cette étude pour hypothèse que seule l’amplitude de la
tension de grille influençait la quantité de molécules oxydées ou réduites, à la suite
d’un train d’impulsion d’amplitude variable, seule la valeur la plus négative de VG est
considérée. Autrement dit, en prenant l’exemple du transistor à nanofil de In2 O3 et
à grille moléculaire de Bis(terpyridine) − F e2+ , nous prenons pour hypothèse qu’une
impulsion de tension de grille VG de −5, 0V survenant après une impulsion de −7, 5V ,
n’aura aucune influence sur le calcul de VT . Le calcul de la tension de seuil VT est ainsi
directement relié à l’effet mémoire observé.
Inversement, lorsque VG > VGSat (figure 4.3) alors la tension de seuil VT vaut l’ex-
pression de l’équation (4.11). Cette expression est la solution de l’équation (4.2) pour
IDS = 0, c’est à dire l’intersection de la courbe avec l’axe des abscisses.
Pour le calcul de VT , dans le but de coller au plus près à l’influence des phénomènes
électrostatiques sur l’oxydo-réduction des molécules, sans pénaliser trop lourdement
VGS +VGD
l’aspect calcul, la tension VG est assimilée à la tension moyenne VGM = 2 .
K2 VDS (VDS − 2VGM ) + IDS

VT = − (4.11)
2K2 VDS
4.3 Simulation
4.3.1 Environnement de simulation
Les simulations ont été réalisées avec l’outil Advance MS v4.3_1.4 de Mentor Gra-
phics. Beaucoup plus rapide que la version précédente, la v4.3_1.4 n’implémente pas
pour autant un certain nombre de fonctionnalités comme la notion de tolérance prévue
dans les spécifications de VHDL-AMS ou encore l’utilisation élargie de la commande
generate. Cela nous oblige à développer un outil pour générer du code sur-mesure. L’ou-
til écrit en Matlab est détaillé dans la section 6.1 page 118.
La visualisation des différents signaux a été confiée à EZwave v2.4_1.2. Ce dernier

remplace le standard XElga, en apportant beaucoup de fonctionnalités, malheureuse-
ment au détriment d’une certaine lourdeur d’exécution (interface graphique en Java) et
surtout de quelques bogues très irritants, en particulier au niveau de la liste des signaux
visualisés qui se dédoublait systématiquement à chaque simulation (Bogues rapportés
aux supports de MG).
Les simulations du modèle de transistor s’effectue à distance sur un cluster multi-

processeurs Linux. Les temps de simulation d’un seul transistor était fort-heureusement
extrêmement rapide, généralement moins d’une seconde.
4.3.2 Résultats
Motivé par les résultats expérimentaux disponibles sur la mesure des multiples ni-
veaux programmables de conductivité (à VG = 0) du canal de certains types de NWFET
moléculaires (Figure 4.2(b)), nous avons choisi de commencer par simuler le transistor
à nanofil de In2 O3 et à grille moléculaire de Bis(terpyridine) − F e2+ . La figure 4.5 est
un exemple de déclaration VHDL-AMS de l’entité d’un tel composant.
Pour simuler la réponse DC du courant IDS en fonction de la tension de grille VG

de ce transistor moléculaire, tout en validant l’aspect fonctionnel et le comportement
du composant, le circuit de test et le protocole expérimental issus de [LFL+ 04] ont été
utilisés. VG varie de 0V à −n∗2, 5V , pour ensuite passer à 10+n∗2, 5V , avant de revenir
à 0V et de refaire un autre cycle pour n compris entre 2 (le cycle le plus à l’intérieur)
et 8 (le cycle extérieur). Dans un soucis de validation, comme dans les mesures expéri-
mentales, nous avons appliqué VDS = −0, 075V , avec la source du composant à la masse.
Simulation 99
entity NWFET_molecular is
generic(
MAX_REDOX_WRITE_VG: real := -1.97881e+01;
MAX_IDS_VG0: real := -1047.0e-9;
MAX_IDS: real := -1700.0e-9;
VDS_FIXE: real := -0.075;
SEUIL_REDOX: real := 0.9; --- Fe(II)/Fe(III)
MAX_REDOX_ERASE_VG: real := 2.97351e+01;
Coxg: real := 1.17e-16;
NbMolecules: real := 3077.0;
K1: real := 365.0e-9; --- ~= 1/2.ţn.Cox.W/L
K2: real := 375.0e-9
);
port(terminal drain, source, gate : electrical);
Fig. 4.5 – Exemple de déclaration de l’entité VHDL-AMS du transistor à nanofil de

In2 O3 à grille moléculaire de Bis(terpyridine) − F e2+ .
Les résultats de la simulation IDS (VG ) du transistor à nanofil de In2 O3 à grille mo-
léculaire de Bis(terpyridine) − F e2+ sont rapportés sur la figure 4.6. Ils montrent le
comportement d’hystérésis attendu et présentent une très bonne concordance comparés
avec les résultats expérimentaux issus de [LFL+ 04] (Figure 4.2(b)).
De manière à compléter la vérification des valeurs numériques données par le mo-

dèle, nous avons comparé les valeurs du courant IDS en fonction de VDS . La figure 4.8
représente temporellement la réponse en courant du transistor soumis à un signal tri-
angulaire d’amplitude variable avec cette fois-ci VDS = −0, 5V et VG variant de −2, 5V
à −20V par pas de −2.5V . Les valeurs relevées du courant pour VDS = −0, 5V sont à
rapprocher à celles extraites de la courbe expérimentale, représentée par la figure 4.7.
On constate encore une fois une très bonne concordance.
Nous avons pareillement simulé le comportement du transistor à nanofil de In2 O3 et

à molécules de Co − porphyrine d’après la procédure expérimentale issue de [LLL+ 04].
Les résultats de simulation sont rapportés sur la figure 4.9 et sont à rapprocher des
mesures expérimentales de la figure 4.10. Leur comparaison présente une nouvelle fois
une très bonne concordance, tant au niveau de l’allure globale qu’au niveau des valeurs
numériques fonctionnellement intéressantes (IDS (0), IDS (VGM AX ), . . .).
Fig. 4.6 – Résultats de simulation du NW-FET moléculaire à nanofil de In2 O3 et molé-

cules de Bis(terpyridine) − F e2+ . Courbes IDS (VG ) présentant des cycles d’hystérésis.
VG varie de 0V à −n ∗ 2, 5V , pour ensuite passer à 10 + n ∗ 2, 5V , avant de revenir à
0V et de refaire un autre cycle pour n compris entre 2 (le cycle le plus à l’intérieur) et
8 (le cycle extérieur). Avec VDS = −0, 075V et la source à la masse
Fig. 4.7 – Caractéristiques électriques IDS en fonction de VDS [LFL+ 04]
Finalement, il est intéressant de noter que cette modélisation conçue de manière

Simulation 101
à être générique, présente une très bonne concordance avec les résultats de mesure de
différents dispositifs présentés dans plusieurs publications, avec seulement quelques pa-
ramètres différents. Cela tend à démontrer que l’approche choisie pour modéliser les
transistors à effet de champs et à grille flottante moléculaire est a priori pertinente. On
peut aussi penser que les phénomènes mis en jeu sont similaires, quel que soit le type
de molécules et de nanofil semiconducteur.
Fig. 4.8 – Réponse temporelle en courant du transistor In2 O3 à molécules de

Bis(terpyridine) − F e2+ soumis à un signal triangulaire d’amplitude variable
Simulation 103
Fig. 4.9 – Résultats de simulation du NW-FET moléculaire à nanofil de In2 O3 et

molécules de Co − porphyrine démontrant une caractéristique IDS (VG ) d’hysteresis
obtenue après avoir fait varier VG de 0V à −5V , puis de −5V à +5V , et finalement de
+5V à 0V , avec VDS = −0.1V et la source à la masse
Fig. 4.10 – [LLL+ 04] : Caractéristique courant IDS en fonction de la tension VG du

transistor à nanofil de In2 O3 et à molécules de Co − porphyrine. Détail : structure de
la molécule
Chapitre 5
Présentation de la cellule mémoire

moléculaire
Porté essentiellement par les objets électroniques grand public très gourmands en
mémoire de stockage comme les lecteurs MP3, téléphones portables et autres appareils
photos numériques, le marché de la mémoire non-volatile est en continuelle expansion,
en terme de volume de vente. Il gagne aussi progressivement des parts de marché, avec
comme résultat prévisionnel, environ 40% (32M ds) du marché des mémoires à l’horizon
2009, contre 36% (16M ds) en 2005 (source : IC Insight).
Une cellule mémoire non-volatile, rapide, compacte et à coût constant ou réduit

est l’objectif de toute la recherche actuelle dans le domaine. Pour cela, outre la réduc-
tion physique de la taille de la cellule grâce aux changements de procédé technologique
(130nm, puis 90nm, . . .), une voie aujourd’hui largement empruntée est de concentrer
plus d’information dans chaque cellule mémoire en étant capable de distinguer plusieurs
niveaux de charges (Multi Level Cell).
Les promesses de l’électronique moléculaire en termes de réduction de coûts par

l’utilisation, par exemple, de technique d’auto-assemblage, et d’augmentation de la den-
sité d’intégration, de par leur taille nanométrique, font de celle-ci un axe de recherche
privilégié. Nous présentons ainsi dans ce chapitre la structure d’une cellule mémoire
multivaluée aux dimensions réduites réalisable dans un même procédé technologique,
ainsi que différents niveaux de modélisation en VHDL-AMS [JCA06b] [Jal06].
105
106 Présentation de la cellule mémoire moléculaire
5.1 La cellule mémoire moléculaire
Dans le chapitre 4, nous avons décrit la modélisation du transistor à effet de champ,

à nanofil et à molécules. Les différents cycles d’hystérésis associés aux différents niveaux
de conduction facilement discernables à VGS = 0V permettent de différencier raisonna-
blement huit états, c’est à dire de pouvoir stocker trois bits d’information.
Cependant, à la lecture des caractéristiques de la figure 1.6, on remarque qu’il

n’existe pas d’état bloqué, c’est à dire sans courant passant entre le Drain et la Source,
qui n’induise pas de perte de l’information stockée. On pourrait envisager une transla-
tion de la tension de seuil VT , par exemple par un procédé électrostatique sur la grille,
ou bien encore par l’utilisation d’autres molécules aux caractéristiques d’hystérésis dif-
férentes. Mais cela ne change pas la problématique, le principe même de ce transistor
à grille flottante moléculaire est que sa tension de seuil varie pour VGS 6= 0V , ce qui
entraîne une perte d’information si nous l’utilisons comme point mémoire. Autrement
dit, une fois ce dispositif intégré dans une mémoire et connecté à d’autres dispositifs
par des lignes de contrôles mutualisées, on ne connaît pas de moyen pour le bloquer
sélectivement.
Cette spécificité est une contrainte très forte qui nous empêche d’envisager d’utiliser
ces transistors en remplacement direct des points mémoires Flash dans les architectures
classiques de type NOR ou NAND (cf. chapitre 3).
En gardant une architecture 2D régulière de type matricielle, la solution évidente est

alors d’utiliser un transistor d’accès en technologie CMOS jouant le rôle d’interrupteur
commandable, comme dans l’exemple de la cellule de type DRAM illustré par la figure
5.1.
WordLine
Interrupteur
DataLine
Point mémoire
Fig. 5.1 – Cellule mémoire de type DRAM
Bien qu’envisageable, l’utilisation d’un transistor de commutation en technologie

La cellule mémoire de base 107
CMOS n’est cependant pas réellement intéressante, ni dans une perspective de très
haute densité d’intégration, ni même dans le but de réduire les coûts de fabrication.
En effet, l’enchevêtrement de composants classiques et de composants moléculaires ne
facilitera probablement pas les différentes étapes de fabrication et encore moins une
haute densité d’intégration.
5.2 La cellule mémoire de base
5.2.1 Description
ReadDataLine
WordLine
A1
M1
VS
WriteDataLine
Fig. 5.2 – La cellule mémoire proposée composée de deux transistors NWFETs molé-
culaires en série
Précédemment présenté dans le chapitre 1.1, le transistor NWFET moléculaire dis-

pose au niveau de ses caractéristiques électriques d’un état hautement résistif. L’idée de
base de la cellule proposée (fig.5.2) est donc d’associer un de ces dispositifs moléculaires
exploité comme transistor d’accès, en série avec un autre NWFET identique, exploité
quant à lui en tant que point mémoire multivalué.
Ainsi le transistor A1 sera programmé dans l’état le moins résistif dans le cas d’un
accès en lecture et sera programmé dans son état hautement résistif pour les autres
opérations. Le transistor M 1 sera quant à lui utilisé pour stocker une information mul-
tivaluée codée sur le nombre de niveaux de conduction discernables de son canal à

VGS = 0V .
Le premier avantage de cette structure est de se présenter sous la forme d’un qua-
dripôle compact et de pouvoir ainsi tirer profit des dimensions réduites du transistor
NW-FET moléculaire. Le second réside dans le fait de pouvoir stocker une informa-
tion multivaluée dans le composant mémoire, ce qui permet d’augmenter la densité
d’intégration. Par ailleurs, cette cellule peut être réalisée en peu d’étapes lithogra-
phiques [LFL+ 04], dans la même technologie d’électronique moléculaire permettant,
par exemple, l’auto-assemblage des molécules. Cet aspect, déterminant dans le coût de
fabrication d’une puce, laisse envisager la possibilité de bancs mémoires de très grande
capacité, compacts et relativement peu coûteux.
La figure 5.3 illustre un mode de réalisation de l’implémentation 2D d’une telle cel-

lule qui occuperait (calcul approché d’après des données expérimentales [LFL+ 04]) une
surface de 0, 04µm2 pouvant stocker 3 bits d’information. Les résultats de simulation
du chapitre 6 montrent que le stockage de 4 bits d’information est possible avec une
électronique CMOS d’interface classique.
2µm
ReadDataLine
Nanowire
WordLine VS 20nm
z x WriteDataLine
Fig. 5.3 – Layout classique d’une cellule moléculaire multivaluée à base de deux tran-
sistors NW-FET moléculaire
Plus prospectif et plus ambitieux, la figure 5.4 illustre un autre mode de réalisation
par l’alignement vertical d’un tel dispositif qui permettrait d’étendre le design de la cel-
lule de base vers la troisième dimension, portant les perspectives de densité d’intégration
bien au-delà des prévisions de la roadmap ITRS 2005 [itr]. Cette cellule occuperait une
surface de seulement 400nm2 . Par ailleurs, n’étant plus contraint par la longueur du
nanofil, on peut penser qu’en l’agrandissant dans la troisième dimension, on augmente-
rait ainsi le nombre de molécules assemblées dessus, en conséquence de quoi le nombre
de bits stockés pourrait être supérieur aux 3 bits du dispositif expérimental.
Oxyde WordLine
Grille
Electrode
Nanofil
ReadDataLine 2µm
z WriteDataLine
VS
y x
20nm
Fig. 5.4 – Coupe d’une cellule moléculaire multivaluée 3D alignée verticalement à base
de deux transistors NW-FET moléculaires
La figure 5.5 est l’illustration de douze cellules de base alignées verticalement sto-
ckant 48 bits (4 bits par cellule) sur une surface de 0, 014µm2 , soit 0, 000292µm2 par bit.
Par comparaison, une cellule Flash de type NOR ((facteur de taille 10F2) en technolo-
gie 90nm stockant 2 bits par cellule occupe 0, 04µm2 , soit une surface de 0, 02µm2 par
bit, soit encore, environ 70 fois moins que la cellule moléculaire à alignement vertical
proposée. Autre élément de comparaison, les nouvelles mémoires1 Flash de type NAND
fabriquées par IM Flash Technologies2 , ont une capacité de 4Gbit et sont réalisées en
technologie 50nm. Chaque cellule (facteur de taille 4F2) ne stocke qu’un seul bit (Single
Level Cell, SLC) et occupe une surface effective de 0, 0138µm2 .
1
Information du 12 septembre 2006
2
Société créée au début de l’année 2006 regroupant les activités mémoires de Micron Technology
Inc. et d’Intel Corp.
Fig. 5.5 – Illustration de l’intégration 3D et de l’alignement vertical de 12 cellules de

base stockant un total 48 bits (4 bits par cellule) sur une surface de 0, 014µm2
5.2.2 Fonctionnement et simulation
Pour expliquer le fonctionnement de la cellule, on pose préalablement comme hypo-

thèse que chaque transistor a pour caractéristiques celles présentées et détaillées dans la
section 1.2.3. Cela permet de nous concentrer sur l’aspect comportemental des différents
modes de fonctionnement basiques de la cellule mémoire, à savoir, son effacement, sa
programmation et sa lecture. La cellule de test utilisée est illustrée par la figure 5.6.
L’exécution d’une commande (lecture, écriture ou effacement), consiste à faire com-

muter les différents interrupteurs (RD , RGAcc , RS et RGP t ), qui pourraient être réalisés
par exemple par des transistors CMOS à la périphérie du plan mémoire, et à faire varier
les tensions des différentes lignes de contrôle (VD , VGAcc , VS et VGP t ).
Les paramètres et valeurs des variables utilisés pour les simulations des différentes
séquences sont donnés dans le tableau 5.1.
Il est intéressant de noter que la valeur de la tension UP ASS servant à rendre le

transistor d’accès passant, équivaut à programmer ce transistor dans son état le moins
résistif. Le codage de l’information est arbitrairement choisi de telle manière que cet
état corresponde à la valeur la plus élevée possible, soit ’7’ dans le cas d’étude avec 3
bits par cellule (cf. section 1.2.3).
VD
ROF F
RD
RGAcc RON
VGAcc
A1
M1
RS
VS
RGP t
VGP t
Fig. 5.6 – Cellule de test
Paramètre Valeur
ULO 1.0e−6 V
UREAD 0.75V
UERASE 30.0V
UP ASS −20V
UP ROG −n ∗ 2.5V avec 1 ≤n≤ 8
RON 10.0Ω
ROF F 1.109 Ω
Delay 4ns
Tab. 5.1 – Valeurs de différents paramètres de la simulation des séquences d’effacement,

d’écriture et de lecture
Par ailleurs, le délai de 4ns est choisi de manière à ce que les niveaux électriques
puissent s’établir convenablement, compte tenu de notre modélisation ; ils ne reflètent
aucune notion de performance ni de fréquence de fonctionnement. Ne disposant pas de
mesures expérimentales sur la réponse en fréquence de ces dispositifs, il nous est actuel-
lement impossible d’en prédire la vitesse.
Dans les trois séquences présentées, effacement (fig.5.7(a)), programmation (fig.5.7(b))

Application de la tension
Application de la tension
permettant d’effacer le
RS = RON RS = RON
transistor mémoire
VS = ULO
pour programmer le
VS = ULO
transistor mémoire
RD = ROF F RD = ROF F
VD = ULO VD = ULO
RGAcc = ROF F
RGAcc = RON
VGAcc = ULO
VGAcc = ULO
RGP t = RON
VGP t = UERASE RGP t = RON
VGP t = UP ROG
Delay
Delay
VGP t = ULO
Remise à zéro
Remise à zéro
RGAcc = RON VGP t = ULO
Delay Delay
RD = RON RD = RON
(a) Effacement (b) Programmation
Fig. 5.7 – Séquences des commandes permettant l’effacement et la programmation d’une

cellule mémoire. L’état initial des transistors est A1 bloqué et M1 non bloqué
et lecture (fig.5.8), on suppose comme état initial que le transistor d’accès A1 est sys-
tématiquement dans un état bloqué (hautement résistif, IDS = 0A à VGS = 0V ) et
qu’inversement, le transistor M 1 stockant l’information est quant à lui systématique-
ment dans un état programmé (c’est à dire dans un son état haute-impédance) , c’est à
dire à VGS = 0V et VDS 6= 0V , IDS 6= 0A. Ces séquences sont présentées pour démon-
trer l’aspect fonctionnel de cette cellule, elles ne sont optimisées d’aucune manière, ni
en terme de consommation, ni en terme de vitesse.
Les séquences d’effacement et de programmation du point mémoire sont relativement

proches, la différence principale étant la tension VGP t appliquée sur la grille du transis-
tor mémoire M 1. Le principe est d’activer l’interrupteur de ligne RS correspondant à
l’adresse sélectionnée et d’appliquer la tensions VGP t d’effacement ou de programmation
sur la colonne contrôlant la grille du transistor mémoire. Une fois les cellules organisées
en plan mémoire, comme illustré par la figure 6.5, cette méthode permet de programmer
indépendamment chaque cellule en parallèle.
La séquence de lecture (fig.5.8) est un peu plus longue car elle nécessite de rendre
complètement passant le transistor d’accès A1 puis de le bloquer une fois la lecture en
RS = RON
VS = ULO UD = UREAD
RD = RON
VD = ULO Lecture du
Delay
RGAcc = RON courant
VGAcc = UP ASS
Transistor RGP t = ROF F UD = ULO
d’accès VGP t = ULO
Delay
passant Delay
Delay
RGP t = ROF F
VGAcc = ULO VGAcc = UERASE
Delay Delay
Transistor
RGP t = RON UGAcc = ULO d’accès
bloqué
Delay
RGP t = RON
Fig. 5.8 – Séquencement de la commande permettant de lire un point mémoire (tran-

sistor d’accès A1 bloqué et transistor M1 non bloqué)
courant à VDS constant effectuée. On remarquera que, les deux transistors A1 et M 1

étant en série et la tension de lecture VREAD étant appliquée sur le drain de A1, à
l’image d’un diviseur de tension, la tension VDS aux bornes du transistor M 1 est fonc-
tion de son état de programmation (son état de conductivité à VGS = 0V ). Cela n’est
cependant aucunement gênant à partir du moment où le circuit de lecture est calibré
en conséquence.
Les chronogrammes issus de la simulation des différentes commandes de la cellule

mémoire de base se trouvent en Annexe A.
5.2.3 Variations technologiques

La finalité de cette cellule étant d’être intégrée dans un large plan mémoire pour y
explorer des pistes de tolérances aux défauts, les deux transistors d’une même cellule
peuvent subir des variations sur certains paramètres indépendamment l’un de l’autre.
Nous développerons cette aspect dans le chapitre 6 qui y est dédié et détaillerons les
variations que peuvent subir certains paramètres dans la section 6.1.2.
Un exemple de déclaration en VHDL-AMS d’une cellule complète composée de son

transistor d’accès et de son transistor mémoire reliés par un point milieu est illustré par
la figure B.1 en Annexe B.
5.3 Modélisation optimisée en temps de calcul de la cellule

mémoire
Comme nous l’avons évoqué dans la section précédente, dans le but de réaliser des
simulations de plans mémoires dont les composants présentent un taux élevé de varia-
tion les uns par rapports aux autres, nous avons différencié chaque instance de cellule.
La cellule de base, réalisée à partir de la réunion en série de deux transistors NW-FET
moléculaires, contient ainsi deux instances indépendantes du modèle de transistor pré-
cédemment présenté.
Cependant, autant les temps de simulation d’une seule cellule sont courts, de l’ordre
de la seconde, autant une simple séquence d’effacement/écriture/lecture d’un mot de
40 bits dans un plan mémoire de 256 lignes, avec 10 cellules par ligne, stockant 4 bits
par cellule (soit 256x40bits théoriques) prend environ une heure sur une station SUN
Opteron 64bits (fréquence de 2GHz et 2Go de RAM)3 . En conséquence, une fois le
fonctionnement de l’architecture mémoire validé avec le modèle complet, nous avons
développé un modèle optimisé et fonctionnellement complet de la cellule. Les temps de
simulation se voient alors drastiquement réduits, ce qui nous permet d’étudier l’aspect
tolérance aux dispersions technologiques.
Le modèle fonctionnel optimisé de la cellule se résume à la modélisation de deux ré-

sistances en série dont les valeurs sont programmables (avec notamment un état haute-
impédance). Comme dans le modèle complet, et à l’instar du comportement électro-
chimique du transistor, le cycle d’hystérésis est reproduit. Toutefois, par soucis de
simplification, la programmation du transistor mémoire reste analogique alors que le
transistor d’accès est commandé de manière numérique. Ce modèle à la même précision
que le modèle plus complet aux points de fonctionnement qui nous intéressent. La fi-
gure 5.9 montre les principales déclarations et équations du modèle simplifié, alors que
la figure B.2 en Annexe B illustre un exemple de déclaration d’une entité VHDL-AMS
3
L’arrivée de cette nouvelle station de travail, nous a permis de constater qu’une machine dédiée
était plus rapide que le serveur mutualisé précédemment employé
Conclusion et perspectives 115
de cette cellule simplifiée soumis à variation.
quantity vout across iout through data_out to electrical_ref;

quantity vgp across data_in to electrical_ref;
vout == (Ra’ramp(Tr) + Rp’ramp(Tr)) * iout;
Ra <= const2 when cs_read = ’1’ else A_ROFF;

Rp <= abs real( const1 / vgp ) when (cs_write = ’1’ and (not vgp’above(-P_SEUIL_REDOX)) and
( abs real( const1 / vgp )) < Rp) else P_ROFF when (cs_write = ’1’ and
vgp’above(P_MAX_REDOX_ERASE_VG));
Fig. 5.9 – Cœur du modèle VHDL-AMS de la cellule optimisée en temps de calcul
C’est dans le chapitre 6 que nous allons nous intéresser à l’exploration et à l’évalua-
tion de différentes méthodes permettant de rendre une architecture de mémoire tolérante
à un taux de dispersion élevé. Pour se faire, nous intégrerons plusieurs milliers d’ins-
tances de ce modèle optimisé sous la forme d’un plan mémoire organisé en 256 adresses
contenant chacune entre 10 et 12 cellules suivant la méthode de tolérance aux variations
évaluée.
5.4 Conclusion et perspectives
Dans ce chapitre, nous avons présenté une structure de point mémoire non-volatile,
capable de stocker une information multi-niveaux, et exploitant au maximum les carac-
téristiques spécifiques des transistors à effet de champ, à nanofils et à grille flottante
moléculaire. Nous avons aussi proposé deux implémentations possibles de cette struc-
ture, la première se distingue par des dimensions réduites et par une relative simplicité de
réalisation, alors que la seconde est caractérisée par une intégration 3D ultra-compacte.
Par ailleurs, nous avons engagé en septembre 2005 une procédure visant à breveter la
structure de la cellule. Elle a finalement abouti en août 2006 à l’enregistrement d’une
demande de brevet sous la référence FR-06-07087 [Jal06].
A partir du modèle de transistor NW-FET moléculaire écrit en VHDL-AMS et pré-

senté au chapitre 4, nous avons validé par simulation le comportement électrique de
la structure en tant que point mémoire multivalué. Par soucis de performance et en
vue d’intégrer plusieurs milliers de telles cellules dans un plan mémoire, nous avons
par ailleurs développé un modèle optimisé en temps de calcul, reproduisant les aspects
fonctionnels du point mémoire.

Chapitre 6
Architecture tolérante aux

dispersions technologiques
La probabilité pour que les dispersions technologiques soient de moins en moins

bien contenues, tant pour l’électronique CMOS ultime que pour les composants de
l’électronique moléculaire, apparaît comme très élevée [NSF01]. La finalité de l’étude
que nous présentons dans ce chapitre est de proposer des pistes de réflexion, permettant
de transférer la complexité que représente la maîtrise d’une technologie de pointe, vers
le développement de circuits et d’algorithmes permettant de compenser ces dispersions,
à moindre coût. L’objectif est donc de proposer une architecture de mémoire tolérante
aux dispersions technologiques.
Nous présentons et comparons six architectures de mémoire implémentant et combi-

nant différentes méthodes de tolérance aux variations, certaines sont inspirées de tech-
niques existantes, d’autres sont originales. Pour ce faire, nous avons développé une plate-
forme d’évaluation Matlab/VHDL-AMS, permettant de générer des plans mémoires de
tailles paramétrables, composés de cellules dont les caractéristiques électriques sont
aléatoirement dispersées suivant une loi de variation fixée1 . Les blocs de contrôle autour
de ce plan mémoire sont génériques et s’adaptent donc aux caractéristiques du plan
mémoire : taille de la mémoire, taille du mot, nombre de bits stockés par cellule, et
enfin nombre de bits de correction par mot. Au final, les six architectures proposées se
distinguent par des taux d’erreurs, des vitesses de fonctionnement et des surfaces sur
silicium différents.
1
Dans notre cas, nous nous sommes intéressés à une loi Gaussienne
117
118 Architecture tolérante aux dispersions technologiques
6.1 L’outil développé en Matlab

L’outil Matlab peut se diviser en deux parties indépendantes. La première facilite
la saisie de la courbe caractéristique IDS (VG ) du dispositif moléculaire utilisé dans la
cellule. Cette interface permet d’envisager l’intégration rapide de nouveaux transistors
moléculaires. La seconde permet de générer le code VHDL-AMS d’une matrice de cel-
lules mémoires, d’afficher les dispersions appliquées à ce plan mémoire et de sauvegarder
ces informations pour un traitement ultérieur.
6.1.1 Aide à la saisie de caractéristique
La partie d’aide à la saisie de courbe permet de visualiser la caractéristique d’hys-

térésis d’un transistor à nanofil et à molécules en informant les champs d’une interface
graphique. La plupart de ces informations sont à extraire des courbes expérimentales.
L’affichage en temps réel de la courbe modélisée permet de vérifier, ou d’ajuster en
conséquence les paramètres (section 6.1.2). Les constantes K1 et K2 utilisées dans les
équations du modèle du transistor NW-FET moléculaire (Chapitre 4 page 89) sont au-
tomatiquement calculées par l’outil. La figure 6.1 illustre cette interface.
Fig. 6.1 – Interface de saisie Matlab des paramètres caractéristiques d’un transistor
moléculaire
En tant qu’interface utilisateur, l’outil permet aussi de sauvegarder et de charger

L’outil développé en Matlab 119
dans un fichier à l’extension *.car, l’ensemble des champs relatifs à la caractérisation

du transistor ainsi que les paramètres du plan mémoire (accessible en appuyant sur la
commande Options). Une dernière commande, Generate, lance la procédure de généra-
tion du code d’un plan mémoire en VHDL-AMS où les dispersions sont aléatoirement
réparties (section 6.1.2), à la fois sur les transistors d’accès ainsi que sur les transistors
stockant l’information.
6.1.2 Générateur de code

Une fois les caractéristiques du transistor moléculaire saisies, on utilise l’interface
de paramétrisation (figure 6.3) du plan mémoire. On y retrouve les champs relatifs à
l’implémentation physique de la matrice, c’est à dire le nombre de cellules par ligne
(taille du mot), le nombre de lignes (taille de la mémoire) et le taux de dispersion à
appliquer lors de la génération du code VHDL-AMS (variation).
Le taux de dispersion appliqué à chaque transistor est généré aléatoirement suivant

une loi de variation fixée2 . Pour chaque transistor d’un même plan mémoire, le pour-
centage de dispersion est stocké dans deux matrices de la taille du plan mémoire, une
dédiée aux variations des transistors d’accès et l’autre dédiée à celles des transistors
mémoires. Chaque matrice est donc aléatoirement tirée. Les paramètres suivants de
chaque instance de transistor sont affectés par un même taux de dispersion, la figure
6.2 permet de mieux visualiser certains de ces paramètres :
– MAX_IDS_VG0 : Courant maximal pour VGS = 0V et VDS fixé à la valeur
du paramètre VDS_FIXE, lui-même correspondant à la tension utilisée pour les
mesures de la caractéristique IDS en fonction de VGS
– MAX_IDS : Courant maximal absolu à VDS fixé à la valeur du paramètre
VDS_FIXE
– SEUIL_REDOX : Seuil de tension minimale à partir duquel le phénomène
d’oxydo-réduction des molécules apparaît
– MAX_REDOX_ERASE_VG : Tension maximale à partir de laquelle toutes
les molécules sont considérées comme réduites
– R_OFF : Résistance du transistor dans son état hautement résistif
Pour faciliter l’utilisation de l’outil, les chemins d’accès relatifs au fichier modèle
(Template), au fichier destination (Target) ainsi qu’au fichier permettant la sauvegarde
2
Nous nous sommes intéressés à une loi de type Gausienne
MAX_IDS
IDS
MAX_IDS_VG0
MAX_REDOX_ERASE_VG
SEUIL_REDOX
0 VG
Fig. 6.2 – Schéma illustrant les variations des paramètres de chacun des deux transistors
de la cellule mémoire
Fig. 6.3 – Interface de saisie Matlab des paramètres du plan mémoire à générer
des informations sur la dispersion appliquée, peuvent être renseignés dans la partie
gauche de l’interface représentée par la figure 6.3.
Une fois le code généré, les résultats sont affichés dans une fenêtre où l’on peut vi-
sualiser, pour l’ensemble des transistors d’accès, comme pour l’ensemble des transistors
mémoires, la répartition géographique des dispersions sous la forme d’une matrice en
couleur de la taille du plan mémoire, ainsi que l’histogramme des dispersions. Ces ré-
sultats sont aussi parallèlement sauvegardés dans un fichier Matlab à l’extension *.rep.
La figure 6.4 illustre l’interface de visualisation des résultats et les figures B.1 et B.2 en
annexe B, sont deux exemples de fragments de plan mémoire générés respectivement
Architecture proposée 121
pour le modèle complet et pour le modèle simplifié.
Fig. 6.4 – Interface de visualisation des résultats de dispersion sur le plan mémoire
généré.
6.2 Architecture proposée

6.2.1 Politique d’intégrité de l’information
Dans l’architecture de mémoire que nous proposons, l’ensemble du plan mémoire est
réalisé dans une même technologie moléculaire, compatible avec les procédés de fabri-
cation CMOS. Chaque adresse de stockage est composée de plusieurs cellules multiva-
luées servant au stockage de données et, éventuellement, au stockage d’une information
permettant de fiabiliser ces données. En effet, rien ne différencie une cellule stockant
une information d’une autre cellule stockant, par exemple, un code correcteur d’erreur.
Autrement dit, l’architecture est conçue de manière à ce que le nombre de bits d’infor-
mation ainsi que le nombre de bits dédiés à la correction d’erreur soient des paramètres
configurables dynamiquement, pour chaque mot écrit.
Cette propriété permet à la fois d’homogénéiser l’ensemble du plan mémoire d’un

point de vue procédé de fabrication et aussi de laisser à l’utilisateur le choix du niveau
de fiabilisation de l’information qu’il souhaite stocker. Par exemple, on peut très bien
imaginer que l’on tolère quelques erreurs dans l’enregistrement des signaux audio et
video d’un camescope grand public au bénéfice d’un espace de stockage plus élevé, tout
en assurant une intégrité totale du logiciel gérant ce même camescope.
Le choix de la politique d’intégrité doit être motivé par la prise en compte de diffé-
rents paramètres, tels le temps d’accès en lecture et le temps d’accès en écriture, ceux-ci
étant directement liés à la puissance consommée. Les différentes techniques de tolérance
aux variations que nous présentons ci-après doivent permettre de faire ce choix en trou-
vant le meilleur compromis en fonction de l’application.
6.2.2 Proposition d’architecture
Pour présenter et expliquer la proposition architecturale, nous avons choisi de pré-

senter un exemple d’implémentation, illustré par la figure 6.5. Elle est constituée de
six cellules de base, quatre d’entre elles sont utilisées pour stocker une information et
les deux restantes servent à implémenter un code correcteur d’erreur. Dans le cas de
notre illustration, le compromis (nombre de bits de donnée)/(nombre de bits dédiés à
son intégrité) est arbitrairement fixé à titre d’exemple. Nous faisons le choix de sto-
cker 4 bits par cellule dédiée au stockage d’information (M1, M2, M3, M4) et 3 bits
par cellule dédiée à l’intégrité de ces données (Mc0, Mc1). Cette architecture a pour
caractéristiques :
– Lecture des différents bits d’information par mot entier
– Écriture des différents bits d’information par mot entier
– Effacement des différents bits d’information par mot entier
– Plan mémoire à accès aléatoire (Random Acces Memory)
– Interfaces d’entrée-sortie standards (Bus d’adresse, bus de donnée, signaux de
contrôle)
– N bits d’adresse, N = 2
– L bits stockés par cellule de donnée, appelé mBits, L = 4
– M bits de donnée par mot, M = 2 ∗ L
– K bits par ligne de mot pour préserver l’intégrité des données, K = 3
L’information multivaluée stockée dans chaque point mémoire est désignée par mv-
Bits. Nous décrivons ci-dessous les différents blocs.
6.2.2.1 Séquenceur et contrôle de lecture/écriture (Read/Write Logic and

Scheduler)
C’est le bloc de contrôle principal. Il séquence l’exécution des commandes, coor-

donne les autres blocs et joue le rôle d’interface avec l’extérieur. Il transfert les N bits
mvBits Merger and Error Corrector

M
K L L
ECC Read Read

ADC ADC ADC
Row Address Decoder
A1 A2 N
Read/Write Logic and Scheduler

Ac0
Mc0 M1 M2 Address
N
Ac1 A3 A4 Data I/O

M
Mc1 M3 M4
ECC
DAC Write Write
DAC DAC
K L L
mvBits address Splitter

and Error Code Corrector Encoder
M
Fig. 6.5 – Exemple d’architecture
du bus d’adresse au bloc qui décode et active la ligne d’adresse sélectionnée (Row Ad-
dress Decoder).
6.2.2.2 Découpage par paquets de mvBits et encodeur de code correcteur

(mvBits address Splitter and Error Code Corrector Encoder)
Ce bloc est utilisé pour l’écriture et l’effacement des bits de données. Il divise les
M bits du bus de données (M = 8) en L bits de mvBits (L = 4) et contrôle les deux
convertisseurs numérique-analogique 4bits (Write DAC) qui permettent de programmer
ou d’effacer l’information stockée.
Par ailleurs, ce bloc peut calculer à partir des données en entrée un code correcteur
d’erreur (ECC) permettant de vérifier et de corriger d’éventuelles erreurs. Ce code est
stocké dans une colonne supplémentaire, son écriture se fait au travers d’un convertis-
seur identique à celui servant à programmer les cellules mémoires mais dont la résolution
utilisée n’est que de K bits, par exemple 3bits (ECC DAC). On utilise ainsi les mêmes
cellules physiques pour l’ensemble du plan mémoire (information et codes correcteurs),
mais leur exploitation diffère.
6.2.2.3 Regroupement des paquets de mvBits et détecteur et correcteur

d’erreur (mvBits Merger and Error Corrector)
Ce bloc est le dual du précédent. Il reçoit des convertisseurs analogique-numérique

(Read ADC) les L bits (L = 4) de chaque colonne qu’il remet sous la forme d’un bus
de données de M bits (M = 8). Il vérifie et corrige au besoin l’intégrité de l’information
lue grâce aux K bits (K = 3) codant l’information de chaque ligne de mot.
6.2.3 Techniques proposées pour la tolérance aux dispersions
Avant de détailler les différentes techniques proposées, nous posons préalablement

les hypothèses suivantes :
– Une fois le plan mémoire réalisé, une procédure de test adaptée permet d’évaluer
le taux de dispersion technologique, et de renseigner un registre interne de la
mémoire,
– De la même manière, une procédure devra extraire à partir de quelques cellules
caractérisées comme étant représentatives (ou moyennes), les n courants distincts
correspondant aux n états de la cellule. La valeur de ces courants seront alors
stockés dans plusieurs registres de référence comme courants de référence pour les
amplificateurs de lecture,
– Une cellule peut être programmée au maximum dans 16 états distincts, ceci cor-
respondant au stockage de 4bits d’information par cellule,
– Le temps d’effacement d’une cellule est défini comme étant supérieur au temps
d’écriture, lui-même supérieur au temps de lecture. Cela permet de mieux com-
parer les différentes méthodes de tolérances aux dispersions.
– Pour les méthodes De Base, Evaluation d’Erreur et Boucle d’Evaluation d’Erreur,
les résultats sont établis sur un peu moins de 6000 tirages pour chaque taux de
variation étudié (0.5%, 1%, 1.5%, 2%, 2.5%, 3%, 4%, 5%, 6%, 8%, 10%, 15% et
20%).
– Pour les trois autres méthodes à base de code correcteur d’erreur, les résultats
sont établis sur un peu moins de 10000 tirages pour chaque taux de variation
étudié (0.5%, 1%, 1.5%, 2%, 2.5%, 3%, 4%, 5%, 6%, 8%, 10%, 15%, 20% et 25%).
6.2.3.1 Méthode De Base : Amplificateur de lecture semi-intelligent
Contrairement à l’exemple illustratif qui permettait d’avoir une vision globale de

la structure de la mémoire, cette première architecture n’implémente pas de correction
d’erreur, l’ensemble des cellules de la mémoire est dédié au stockage de données. Le plan
mémoire est constitué de 256 lignes d’adresse et de 10 cellules par ligne, chaque cellule
pouvant stocker 4 bits, portant la capacité de la mémoire à 256x40bits.
Cette architecture, la plus simple qu’il soit, va donc nous servir de référence. Le
bloc s’occupant de la conversion analogique-numérique se compose d’un ensemble de
comparateurs et d’un tableau de valeurs de référence, réalisé par exemple par un en-
semble de registres. Ce module sera utilisé dans toutes les autres méthodes évaluées, à
quelques détails près. Cette table de référence peut-être mise à jour à tout moment par
l’utilisation d’un signal de calibration. Au cours de nos simulations, cette procédure de
calibration est exécutée une seule fois avant chaque batterie de tests en écriture-lecture3 .
La semi-intelligence de ce module amplificateur de lecture (Sense Amplifier ) réside dans
le fait qu’il choisit dans un tableau de référence4 l’index de la valeur la plus proche de
la valeur mesurée.
Les résultats présentés par les figures 6.6(a) et 6.6(b) correspondent respectivement
au taux d’erreur au moment de la lecture et au nombre moyen de cellules défaillantes
lors d’erreur de lecture en fonction, dans les deux cas, d’un taux de dispersion fixé. On
3
cf. hypothèses formulées au début de la section 6.2.3
4
cf. hypothèses au début de la section 6.2.3
90
Nombre moyen de cellules défaillantes

2.4
80 De Base
2.2
70
2
Taux d’erreur (%)
60
50 1.8
40
1.6
30
20 1.4
10 1.2
0
0 5 10 15 20 1
Dispersion (%) 0 2 4 6 8 10 12 14 16 18 20
Dispersion (%)
(a) Taux d’erreur au moment de la lecture (b) Nombre moyen de cellules défaillantes lors
d’erreur de lecture
Fig. 6.6 – Résultats de simulation en fonction du taux de dispersion pour la méthode

De Base
constate comme point de référence qu’avec seulement 5% de dispersions sur les para-
mètres (section 6.1.2), le taux d’erreur s’élève à pratiquement 50%.
6.2.3.2 Méthode d’Évaluation d’Erreur (Error Sensing )
La première méthode imaginée est appelée Évaluation d’Erreur (Error Sensing). A

l’instar de la précédente, elle utilise l’ensemble des cellules du plan mémoire pour sto-
cker des données. Sa particularité réside dans le séquencement de sa méthode d’écriture.
Cette méthode repose sur la constatation suivante : avant toute écriture, une cellule
doit être effacée, c’est à dire que le transistor à effet de champ et à grille flottante molé-
culaire doit être préalablement réinitialisé avant qu’une nouvelle valeur y soit program-
mée. Le principe d’oxydo-réduction du transistor moléculaire5 fait qu’il est obligatoire
de passer par une phase de réinitialisation pour programmer une valeur plus petite que
la valeur actuellement stockée6 .
L’idée est donc d’exploiter cette caractéristique illustrée par la figure 6.7, en partant
5
cf. section 1.2.3
6
Autrement dit, si le transistor est programmé dans son état ’5’, il n’est pas possible de le pro-
grammer dans son état ’2’ sans passer par une phase d’effacement. Inversement, la compréhension que
nous avons du fonctionnement de ce dispositif et des phénomènes en jeux, nous pousse à croire que le
passage de l’état ’2’ à l’état ’5’ est possible sans phase d’effacement
de l’étape 1 en bleu où le transistor est programmé dans l’état ’1’. Une fois le composant
effacé (étape 2 en rose), il est programmé par une impulsion de tension de grille VGS
(étape 3 en vert) dans un état intermédiaire entre l’état hautement-résistif et l’état ’0’,
soit équivalent à un état ’−0.5’ servant de référence7 . Une fois VG revenue à 0V (étape
4 en rouge), l’amplificateur de lecture est activé et les cellules sont lues. Le bloc de
lecture compare la valeur du courant lue pour l’état ’-0.5’ à une valeur de référence, et il
retourne alors au processus en charge de l’écriture un coefficient pour chaque cellule de
l’adresse sélectionnée, correspondant à une approximation de la dispersion de la cellule
par rapport à une cellule de référence. Ce coefficient est ensuite utilisé directement par
la séquence d’écriture pour moduler la tension de programmation appliquée (étape 5 en
cyan) permettant d’aboutir à l’étape 6 (marron) où la valeur programmée et lue est ef-
fectivement ’0’. Prenons l’exemple suivant : une fois effacée, une cellule est programmée
dans l’état intermédiaire ’−0.5’. Le courant de cette cellule est ensuite détecté comme
étant 0, 95 fois celui de référence. La méthode est donc de programmer cette cellule à
1, 05 fois la tension normalement utilisée pour une cellule de référence.
C’est l’idée de mesurer un courant de référence grâce au bloc de lecture de cou-

rant (Sense Amplifier ) permettant de déduire une approximation de la dispersion de
la cellule qui a donné cette appellation originale d’Évaluation d’Erreur (Error Sensing).
au taux d’erreur au moment de la lecture et au nombre moyen de cellules défaillantes
lors d’erreur de lecture en fonction, dans les deux cas, d’un taux de dispersion fixé.
Au prix de quelques cycles d’écritures supplémentaires (cf. figure 6.9(b)), et sans

surcoût en terme de temps de lecture, cette méthode améliore très sensiblement la to-
lérance aux défauts de notre architecture, jusqu’à près de 30 points de mieux pour un
taux de dispersion de 8% et capable de gérer sans aucune erreur des mémoires avec un
taux de dispersion inférieur ou égal à 0, 5%. Corroborant les bons résultats en terme de
taux d’erreur, le pourcentage de bits faux par mots lu est aussi radicalement amélioré,
confirmant l’augmentation du rendement en écriture de cette méthode.
7
De cette manière, et dans le pire des cas, la cellule est programmée dans l’état ’0’
IDS
2
niveau ’2’
niveau ’1’ 1
niveau ’0’ 6
niveau ’-0.5’
4 niveau ’−0.5’ lu pour ce composant
5
3 0 VG
VG theorique pour le niveau ’0’
VG effectif pour le niveau ’0’ de ce composant
Fig. 6.7 – Schéma explicatif de la méthode d’Évaluation d’Erreur
6.2.3.3 Méthode Boucle d’Évaluation d’Erreur (Boucle Error Sensing )
Cette méthode hérite des deux précédentes et ajoute une étape de vérification ré-
cursive. Dans ce cas, l’idée est de réaliser plusieurs boucles de programmation de type
Évaluation d’Erreur, en programmant le transistor par valeur inférieure8 avec un pas
fixé en fonction du taux de dispersion relevé9 . Une fois programmé, on effectue dans la
foulée une étape de lecture pour comparer ce qui vient d’être écrit avec ce que l’on veut
programmer. Si la valeur lue ne correspond pas à ce qui doit être écrit, le cycle reboucle.
au taux d’erreur au moment de la lecture et au nombre moyen de cycles d’écriture com-
8
Toujours pour éviter le passage par une phase d’effacement, très coûteuse en temps et en énergie
9
cf. hypothèses formulées au début de la section 6.2.3
2.4
Nombre moyen de cellules défaillantes

2.35
De Base
2.2
Error Sensing
2.05
100
90 1.9
80
1.75
Taux d’erreur (%)
70
60
50 1.6
40
30 1.45
De Base
20 Evaluation Erreur
10 Boucle Evaluat. Erreur 1.3
0
0 2.5 5 7.5 10 12.5 15 17.5 20 22.5 25 1.15
Dispersion (%)
1
0 2 4 6 8 10 12 14 16 18 20
Taux de dispersion (%)
(a) Taux d’erreur au moment de la lecture (b) Nombre moyen de cellules défaillantes lors
d’erreur de lecture

Évaluation d’Erreur (Error Sensing)
55
53
Nombre moyen de cycles pour ecrire
49
0.06 45
41 Boucle Evaluat. Erreur
0.05
33 De Base
0.04
Taux d’erreur (%)
29
0.03 25
21
0.02 17
13
0.01
9
0
5
0 10 20 30 0 2 4 6 8 10 12 14 16 18 20 22 2425
Dispersion (%) Dispersion (%)
(a) Taux d’erreur au (b) Nombre moyen de cycles d’écriture comparé aux deux autres mé-
moment de la lecture thodes

Boucle Error Sensing
paré aux deux autres méthodes en fonction, dans les deux cas, d’un taux de dispersion
fixé.
Au prix d’un effort supplémentaire au moment de la phase d’écriture, variable en

fonction du taux de dispersion et jusqu’à cinq fois plus lent que la méthode de base, cette
technique présente d’excellents résultats en terme de taux d’erreur de lecture, puisqu’il
flirte en effet avec les 0%.
6.2.3.4 Méthode Évaluation d’Erreur à Code Correcteur d’Erreur (Error

Sensing ECC )
Après avoir exploré plusieurs méthodes coûteuses en temps au moment de la phase

d’écriture des données, nous envisageons d’évaluer des méthodes transparentes en terme
de coût d’écriture (par rapport à la méthode Évaluation d’Erreur ) ou de lecture, mais oc-
cupant plus de place au niveau silicium et impliquant probablement une consommation
supérieure. Autrement dit, après avoir évalué des approches privilégiant la redondance
temporelle, nous développons dans la suite des méthodes à redondance spatiale.
Nous avons donc implémenté un algorithme de Code Correcteur d’Erreur [kle], aussi
appelé ECC (Error Code Corrector), permettant de détecter n erreurs et d’en corriger
m, avec m < n. Shannon et Hamming commencèrent à travailler sur ces thématiques à
la fin des années 1940 et depuis lors, des centaines de travaux ont été publiés dans le
domaine.
En guise de résumé, nous rappellerons qu’essentiellement peuvent se distinguer deux

types de Code Correcteur d’Erreur.
– Les Codes Blocs sont souvent référencés comme codes (n,k). Un bloc de données
de k bits est encodé en un bloc de n bits appelé Code Mot.
– Les Codes de Convolution génèrent des codes mot dépendant à la fois de la
donnée (ou message) à l’instant t, mais aussi d’un certain nombre d’autres don-
nées temporellement distantes. La longueur du code mot est généralement une
constante.
Les codes de Hamming que nous utilisons font partie d’une sous-famille des Codes
Blocs appelée Code Linéaire. En codage binaire, la distance de Hamming est le nombre
de bits différents entre deux mots de tailles égales, elle permet donc de quantifier com-
bien deux mots sont différents. La capacité à détecter des erreurs et à en corriger dé-
pendent directement de la distance de Hamming dHam entre deux mots appartenant
au même code. En effet, le nombre de bits faux détectables est donnée par l’expres-
sion NED = dHam − 1, alors que le nombre de bits faux corrigibles vaut quant à lui
dHam −1
NEC = 2 .
Nous avons donc à notre disposition une technique permettant de détecter et de

corriger un certain nombre d’erreurs, théoriquement sans perte au niveau vitesse de
lecture et d’écriture, au prix de l’utilisation de cellules supplémentaires. Cependant, et
pour rappel, la méthode utilisée pour stocker les m bits d’une donnée dans les cellules
multivaluées du plan mémoire consistent à diviser par paquets de n bits10 chaque don-
née entrante et de programmer indépendamment chaque cellule dans un des 16 états11
possibles.
De ce fait, une erreur d’écriture ou de lecture entraîne, dans le cas général, un déca-
lage d’un niveau12 . Si nous nous intéressons alors aux conséquences au niveau du codage
binaire, cela veut dire qu’une simple erreur d’un seul état induit jusqu’à 4 erreurs au
niveau de la donnée binaire. En effet, dans le cas du stockage de 4 bits par cellule, l’état
’7’ est codé ’0111’ alors que l’état ’8’ est lui codé par ’1000’, la distance entre les deux
codes est maximale. Autrement dit, une erreur a priori bénigne enlève tout l’intérêt des
codes correcteurs d’erreur utilisés, car ces derniers ne seront même pas capable de cor-
riger une erreur de niveau. En effet, les codes de Hamming que nous utilisons peuvent,
suivant les cas, détecter et corriger une ou deux erreurs.
Pour contourner ce problème lié au codage binaire simple, la solution est alors d’im-
plémenter un module de conversion vers le codage Gray, à la fois au moment de l’écriture
de la donnée, et donc bien évidemment au moment de sa lecture. De cette manière, et
dans le cas le plus général, une erreur dans une cellule multivaluée de n bits n’entraîne
qu’un seul bit faux par cellule, le code correcteur étant en mesure de le détecter et de
le corriger.
La notation des différents codes utilisés est [c+d,d ;h,b], où

– c est le nombre de bits de contrôle,
– d est le nombre de bits de donnée,
– c+d est le nombre total de bits,
– h est la distance de Hamming minimale du code,
– b est la base de travail, dans notre cas, le code est calculé en base binaire classique
10
n = 4 dans le cas du stockage de 4 bits par cellule
11
Toujours dans le cas du stockage de 4 bits par cellule multivaluée
12
Par exemple, au lieu de lire l’état ’10’, une erreur d’écriture ou de lecture peut nous faire lire ’9’
ou ’11’
b = 2.
90
85
80
75
70
65
Taux d’erreur (%)
60
55
50
45
40
35
30
25 De Base
20 Error Sensing
15 ECC Error Sensing H4 3b/cell
10
5
0
0 2 4 6 8 10 12 14 16 18 20 22 24 25
Dispersion (%)
Fig. 6.10 – Taux d’erreur au moment de la lecture en fonction du taux de dispersion

pour le code de Hamming [39,32 ;4,2] avec 3 bits par cellule pour les cellules dédiées ECC
et 4 bits par cellule pour les données. Cette architecture est constituée de 256 lignes
d’adresse et de 11 cellules par ligne. Pour chaque ligne, 8 cellules sont dédiées au stockage
de donnée (32 bits) et 3 cellules supplémentaires sont dédiées au stockage du code
ECC (9 bits, dont seulement 7 bits utilisés par le code de Hamming). Méthode appelée
Évaluation d’Erreur à Code Correcteur d’Erreur (CCE) pour une distance minimale de
Hamming de 4, et 3 bits par cellules dédiées CCE, aussi référencée ECC H4/3 Error
Sensing
Commentaires sur les différentes méthodes à code correcteur d’erreur (ECC)

Pour la première méthode Hamming [39,32 ;4,2] avec 3 bits par cellule pour les cellules
dédiées ECC et 4 bits par cellule pour les données (ECC H4/3 Error Sensing), l’ajout
de trois cellules supplémentaires par ligne entraîne une augmentation de la surface du
plan mémoire d’environ 27% par rapport à la méthode Error Sensing. Elle s’accom-
pagne d’une réduction du taux d’erreur significative, près de 20 points de mieux pour
un taux de variation de 15%, encore 7 points de mieux pour un taux de 3%. Le nombre
réduit de tirage ne nous permet pas d’analyser précisement l’influence de cette méthode
pour des faibles taux de dispersion. Néanmoins, on peut affirmer que cette méthode,
par essence même, réduit systématiquement le taux d’erreur.
Pour la méthode Hamming [44,32 ;5,2] avec 4 bits par cellule pour les cellules dédiées
ECC et 4 bits par cellule pour les données (ECC H5/4 Error Sensing), la surface de la
matrice mémoire est la même que pour la méthode précédente. En revanche, les cellules
supplémentaires sont exploitées sur 4 bits et l’on constate que cette méthode corrige
jusqu’à 41% de bits supplémentaire (moyenne de 34% sur toutes les variations). Cepen-
dant, malgré le nombre de bits corrigés supplémentaires, force est de constater que la
capacité des codes correcteurs à corriger les erreurs, à la fois des données, et aussi du
code lui-même, est limitée par l’utilisation de la dynamique maximale de chaque cellule.
Autrement dit, bien que cette méthode bénéficie d’un code correcteur sur 12 bits (com-
paré aux 7 bits précédents), les résultats en terme de taux d’erreur sont pratiquement
identiques à la méthode précédente, voir moins bons pour des taux de variations élevés.
Cette approche est donc moins intéressante que la précédente du fait de la complexité
supplémentaire des blocs de génération et de correction ECC, impliquant un surcoût en
surface et en consommation.
90
85
80
75
70
65
60
Taux d’erreur (%)
55
50
45
40
35
30 De Base
25 Error Sensing
20
ECC Error Sensing H4 3b/cell
15
5
0
0 2 4 6 8 10 12 14 16 18 20 22 24 25
Dispersion (%)

pour le code de Hamming [44,32 ;5,2] avec 4 bits par cellule pour les cellules dédiées
ECC et 4 bits par cellule pour les données. Cette architecture est constituée de 256
lignes d’adresse et de 11 cellules par ligne. Pour chaque ligne, 8 cellules sont dédiées au
stockage de donnée (32 bits) et 3 cellules supplémentaires sont dédiées au stockage du
code ECC (12 bits). Méthode appelée Évaluation d’Erreur à Code Correcteur d’Erreur
(CCE) pour une distance minimale de Hamming de 5, et 4 bits par cellules dédiées CCE,
aussi référencée ECC H5/4 Error Sensing
90
85
80
75
70
65
60
Taux d’erreur (%)
55
50
45
40
35
30
25 De Base
20 Error Sensing
10
5
0
0 2 4 6 8 10 12 14 16 18 20 22 24 25
Dispersion (%)

pour le code de Hamming [44,32 ;5,2] avec 3 bits par cellule pour les cellules dédiées ECC
et 4 bits par cellule pour les données. Cette architecture est constituée de 256 lignes
d’adresse et de 12 cellules par ligne. Pour chaque ligne, 8 cellules sont dédiées au stockage
de donnée (32 bits) et 4 cellules supplémentaires sont dédiées au stockage du code ECC
(12 bits). Méthode Évaluation d’Erreur à Code Correcteur d’Erreur (CCE) pour une
distance minimale de Hamming de 5, et 3 bits par cellules dédiées CCE, référencée ECC
H5/3 Error Sensing
La dernière méthode évaluée, Hamming [44,32 ;5,2] avec 3 bits par cellule pour les
cellules dédiées ECC et 4 bits par cellule pour les données (ECC H5/3 Error Sensing),
ajoute une cellule supplémentaire sur chaque ligne, augmentant ainsi la surface globale
de plan mémoire d’environ 33% par rapport à la méthode Error Sensing. Cela permet de
conserver un code correcteur de 12 bits, tout en exploitant une dynamique de 3 bits par
cellule dédiée ECC. A l’inverse de la précédente, l’utilisation de cette méthode peut être
justifiée grâce à ses performances en termes de correction de bits et de taux d’erreurs.
En effet, elle permet effectivement de réduire le taux d’erreur par rapport à la méthode
Error Sensing, jusqu’à près de 37 points de mieux pour un taux de dispersion de 15%.
Finalement, la figure 6.2.3.4 comparant l’évolution du taux de bits corrigés nous

renseigne sur les limites de ces méthodes ECC basées sur l’utilisation du même type de
cellule mémoire pour les données et pour le code correcteur. En effet, à partir de 15%
de dispersion, le taux de bits corrigés diminue sensiblement pour les méthodes ECC
H4/3 et ECC H5/3, stockant toutes deux 3 bits par cellule ECC, alors que la méthode
ECC H5/4 (4 bits par cellules ECC) voit son taux de bits corrigés stagner dès 10%
de variation, avant de diminuer comme les autres. Pour inverser cette tendance, il fau-
drait, par exemple, diminuer le nombre de bits stockés par les cellules dédiées ECC, ce
qui entrainerait, à distance de Hamming égale, un nombre de cellules supplémentaires.
Une autre possibilité, toute aussi coûteuse en surface, serait d’augmenter la distance de
Hamming, c’est à dire, le nombre de bits du code correcteur.
Le lecteur pourra se référer à la figure 6.14 pour une synthèse graphique des résultats
et en annexe C pour les données brutes.
1.6
1.5 ECC H4/3
1.35 ECC H5/4
ECC H5/3
1.2
Taux de bits corriges (%)
1.05
0.9
0.75
0.6
0.45
0.3
0.15
0
0 2.5 5 7.5 10 12.5 15 17.5 20 22.5 25
Dispersion (%)
Fig. 6.13 – Comparaison entre les trois méthodes à codes correcteurs d’erreur du pour-
centage du nombre de bits corrigés par rapport au nombre de bits écrits, en fonction du
taux de dispersion
90
85 De Base
Boucle Evaluat. Erreur
75
CCE H4 3b/cell
70 CCE H5 4b/cell
CCE H5 3b/cell
65
60
Taux d’erreur (%)
55
50
45
40
35
30
25
20
15
10
5
0
0 2 4 6 8 10 12 14 16 18 20 22 24 25
Dispersion (%)
Fig. 6.14 – Taux d’erreur en fonction du taux de dispersion, toutes méthodes confondues
6.3 Conclusion et perspectives
Dans ce chapitre dédié à l’exploration d’architectures de mémoire tolérantes aux va-

riations technologiques, nous avons proposé et comparé six approches différentes, met-
tant en oeuvre des méthodes originales, exploitant au maximum les spécificités d’une
cellule de mémoire innovante (chapitre 5), compacte et multivaluée, à base de compo-
sants issus de l’électronique moléculaire.
Les deux premières architectures proposées, Évaluation d’Erreur et Boucle d’Évalua-

tion d’Erreur, à comparer à la première architecture de référence De Base, implémentent
différents niveaux de vérification par redondance temporelle permettant, sans surcoût
en surface, mais au prix d’un nombre de cycles plus important, d’obtenir une très nette
réduction du nombre d’erreurs en lecture-écriture, même pour de très grands taux de
variation technologique.
Les trois autres structures de mémoires, basées sur celle plus simple appelée Éva-
luation d’Erreur, intègrent quant à elles différents blocs supplémentaires, réalisant une
Conclusion et perspectives 137
implémentation de codes correcteurs d’erreurs de type code de Hamming. L’originalité

et la souplesse de cette approche est double : on utilise un même plan mémoire technolo-
giquement homogène pour stocker à la fois les données et les codes correcteurs d’erreurs,
la seule différence résidant dans l’utilisation d’un nombre de bits paramétrables pour les
cellules dédiées à ces codes (ECC) ; Par ailleurs, il est aussi possible de choisir dynami-
quement le niveau de robustesse de la mémoire en fonction de critères liés à la capacité
mémoire, à la consommation ainsi qu’à la vitesse de fonctionnement.
Pour les architectures intégrant des codes correcteurs d’erreurs, c’est essentiellement
la surface du circuit qui augmente13 , tout en apportant une fois de plus une meilleure to-
lérance aux variations ; jusqu’à 37 points de mieux que la méthode Évaluation d’Erreur
et jusqu’à 51 points de mieux que l’architecture De Base, à taux de dispersion équivalent.
Nous avons donc évalué différentes méthodes offrant plusieurs pistes de réflexion sur
des techniques de tolérance aux variations. Avec plus de temps, il aurait été intéressant
de combiner les techniques de redondance temporelle (méthode Boucle d’Evaluation
d’Erreur ) et de redondance spatiale (méthode à base de code correcteur d’erreur) pour
évaluer sur un très grand nombre de cycles en lecture/écriture, l’intégrité de données
définies comme critiques. Par ailleurs, pour exploiter entièrement les fonctionnalités de
l’architecture proposée, une simulation cas réel serait envisageable14 pour étudier une
politique dynamique de robustesse de l’information. Par ailleurs, une étude sur l’uti-
lisation d’autres types de codes correcteurs plus adaptés aux canaux de transmission
bruités comme les TurboCodes apparaît comme une étape supplémentaire intéressante.
Finalement, en regard des résultats obtenus, il semblerait pertinent d’évaluer avec plus
de précision toutes les méthodes proposées pour des taux de dispersion plus faibles (par
exemple, entre 0 et 5%) tout en poussant plus loin des calculs de surface et de consom-
mation.
13
La surface du plan mémoire augmente entre 27% et 33%, il faut aussi ajouter la surface et la
consommation supplémentaire des blocs liés à la correction d’erreur (encodage, décodage, correction)
14
Pour reprendre l’exemple évoqué en introduction, une simulation d’un système type appareil photo
numérique aurait été intéressante. En effet, on peut imaginer un microcontrôleur devant lire ses instruc-
tions dans une mémoire (nécessité d’une fiabilité totale) et écrivant puis relisant une image (fiabilité
moins critique)
Conclusion générale
En replaçant la thématique de cette étude dans son contexte, l’émergence de l’élec-

tronique moléculaire résulte de la convergence de différents domaines : la microélectro-
nique, la physique, la chimie ou encore la biologie. L’engouement suscité s’explique par
l’espoir de trouver un complément faible coût, voire une alternative viable à l’électro-
nique CMOS sur silicium actuelle, dont les perspectives d’évolution restent floues au-delà
de 2015/2020 et dont le coût de fabrication actuel augmente de façon exponentielle. Par
ailleurs, les nouveaux dispositifs à base de nanotubes, de nanofils, de molécules de por-
phyrines ou de rotaxanes apparaissent comme des candidats potentiels à l’intégration
dans les mémoires du futur. En effet, leur utilisation permettrait d’obtenir des densités
très élevées, bien au-delà de la roadmap ITRS silicium, tout en réduisant les coûts de
fabrication grâce aux procédés d’auto-assemblage et d’intégration tridimensionnelle.
Cependant, l’état de l’art actuel semble indiquer qu’à cette échelle, le taux de dis-
persion technologique d’un composant à l’autre sera largement plus élevé par rapport
à ce que les architectures de mémoires actuelles sont capables de gérer. Par ailleurs,
ce domaine étant relativement récent, il n’existe pas de modélisation de ces dispositifs
permettant d’explorer par simulation de nouveaux circuits et architectures complexes.
Dans ces travaux de thèse, nous proposons une méthodologie permettant, à partir de
mesures expérimentales de composants issus de l’électronique moléculaire, de développer
et d’analyser au niveau fonctionnel, dans un temps raisonnable, des circuits et architec-
tures complexes.
Pour cela, une première contribution présente une modélisation générique de transis-
tors à grille flottante moléculaire utilisant le langage VHDL-AMS. Ce modèle combine
des équations électriques dérivées de celles du MOS, des équations empiriques détermi-
nées à partir de mesures expérimentales et des processus VHDL-AMS émulant certains
aspects physico-chimique de ces composants. Cette modélisation, optimisée en temps
139
140 Conclusion générale
de calcul, reproduit fidèlement le comportement spécifique et fonctionnel de différents

transistors à grille flottante moléculaire issus de la littérature.
A partir de cette modélisation, nous avons alors proposé un concept de cellule de

mémoire de dimensions réduites, composée de deux transistors identiques en série et ca-
pable de stocker plusieurs bits d’information. Cette cellule est réalisable dans un même
procédé technologique moléculaire, autorisant ainsi l’auto-assemblage et une intégra-
tion tridimensionnelle. Nous avons par ailleurs présenté et démontré par simulation un
procédé d’utilisation, ouvrant la voie à l’intégration massive de telles cellules dans des
architectures de mémoire non-volatile, ultra-dense et à bas coût.
Enfin, pour faciliter l’exploration architecturale, nous avons développé une plate-
forme outil en Matlab - VHDL-AMS permettant de saisir les caractéristiques de com-
posants expérimentaux et de générer et analyser des plans mémoires réguliers où les
paramètres de chaque instance de modèle de composant peuvent subir des variations.
Ces plans mémoires aux taux de dispersions variables (entre 0.5 et 25%) ont été simulés
dans plusieurs architectures de mémoire différentes. Six techniques originales visant à
assurer l’intégrité de l’information dans les mémoires ont été présentées et comparées,
en mettant en avant leurs avantages et inconvénients respectifs, en termes de taux d’er-
reurs et de vitesse de fonctionnement, ainsi qu’en évaluant comparativement leur surface
silicium.
Dans le cadre de perspectives de ces travaux, nous distinguons plusieurs points qui
auraient le mérite d’être approfondis.
En effet, dans la continuité de ces travaux, il serait sans doute intéressant, dans un
premier temps, de se pencher sur l’évaluation d’autres méthodes visant à garantir un cer-
tain niveau de fiabilité, comme l’utilisation d’autres types de codes correcteurs d’erreur,
par exemple les TurboCodes, très coûteux en ressources de calculs mais très efficaces.
Par ailleurs, nous n’avons pas encore évoqué le concept de duplication ou de réplication
de l’information, en double ou en triple, dans un autre plan mémoire, par exemple.
Une étude combinant une méthode de redondance temporelle ainsi qu’une technique
redondante spatialement serait tout aussi intéressante. Il est aussi réaliste d’imaginer
simuler des exemples d’application plus complètes, ce qui permettrait, sans doute, de
mieux évaluer les différentes techniques de tolérance aux dispersions, en fonction du type
d’information à stocker. Finalement, toujours à court terme, des calculs plus précis de
surfaces et de consommations des différents blocs permettrait aussi d’abonder dans ce
Conclusion générale 141
sens.
A moyen terme, il serait sans doute pertinent d’évaluer ce qu’apporterait l’utili-

sation de code correcteur d’erreur codé sur une base non binaire. Il semblerait aussi
judicieux de repenser le codage de l’information dans les cellules multivaluées, soit de
manière numérique, soit en utilisant, par exemple, le fait que le stockage de charge dans
la grille flottante de ces transistors est une donnée globalement continue et non discrète.
Finalement, sur le même principe, mais à plus long terme et déviant vers une théma-
tique différente, il serait passionnant d’étudier l’utilisation d’un tel réseau de cellules
programmables sélectivement pour faire de la logique à base de dipôle, comme dans un
PLA (Programmable Logic Array), avec un très grand nombre de composants dispo-
nibles.
142 Conclusion générale
Annexe A
Chronogrammes
143
144 Chronogrammes
Fig. A.1 – Chronogramme de la séquence d’effacement du point mémoire

Chronogrammes 145
Fig. A.2 – Chronogramme de la séquence de programmation du point mémoire

146 Chronogrammes
Fig. A.3 – Chronogramme de la séquence de lecture du point mémoire

Annexe B
Exemples de code
147
148 Exemples de code
Fig. B.1 – Exemple d’une partie d’un plan mémoire généré à partir du modèle de cellule
complet
Exemples de code 149
Fig. B.2 – Exemple d’une partie d’un plan mémoire généré à partir du modèle de cellule
optimisé en temps de calcul
150 Exemples de code
Annexe C
Résultats de simulation
MéthodeDe Base
Nbre de cycles pour phase

10
écriture: d'écriture + Cout étape transition
moyenne Nbre de
% variation tirages erreurs % erreur nbre mbits cycles pour
faux écrire
0,5 5879 7 0,11906787 1 10

1 5879 180 3,06174519 1 10
1,5 5879 374 6,36162613 1,058824 10
2 5879 829 14,1010376 1,065139 10
2,5 5879 1133 19,271985 1,09532 10
3 5879 1392 23,6774962 1,122845 10
4 5879 2074 35,2781085 1,199614 10
5 5879 2687 45,7050519 1,231857 10
6 5879 3094 52,627998 1,436975 10
8 5879 3745 63,7013097 1,493191 10
10 5879 4054 68,9573057 1,556241 10
15 5879 5002 85,082497 1,97521 10
20 5879 5189 88,2633101 2,137021 10
Fig. C.1 – Données brutes de la méthode De Base
151
152 Résultats de simulation
Avec Error Sensing
Cout étape effacement + 2*Cout étape

d'écriture + Cout étape lecture + 2*Cout 16
écriture:
étape transition
moyenne Nbre de
% variation tirage erreurs % erreur nbre mbits cycles pour
faux écrire
0,5 5879 0 0 16
1 5879 10 0,17009696 1 16
1,5 5879 67 1,1396496 1 16
2 5879 240 4,08232693 1,0125 16
2,5 5879 280 4,76271475 1,007143 16
3 5879 603 10,2568464 1,014925 16
4 5879 858 14,5943188 1,058275 16
5 5879 1144 19,4590917 1,08042 16
6 5879 1621 27,5727164 1,163479 16
8 5879 2022 34,3936044 1,183482 16
10 5879 2452 41,7077734 1,254078 16
15 5879 3627 61,6941657 1,456024 16
20 5879 3970 67,5284912 1,592443 16
Fig. C.2 – Données brutes de la méthode Évaluation d’Erreur

Résultats de simulation 153
Avec Boucle Error Sensing
Cout étape effacement+Cout étape

Nbre de
d'écriture+(1+N)*(Cout étape
cycles pour
lecture+Cout étape transition+Cout étape
phase
d'écriture)+Cout etape lecture + 2*Cout
écriture:
étape transition+Cout étape transition
moyenne
Nbre de boucles Nbre N Nbre de cycles
max boucles % variation tirages Erreurs % erreur nbre mbits
supplémentaires moyen pour écrire
faux
0,5 5853 0 0 2245 0,38356398 22,30138391

1 5851 0 0 2268 0,38762605 22,32575628
1,5 5829 0 0 2513 0,43112026 22,58672156
2 5738 3 0,05228303 3481 0,60665737 1 23,63994423
2,5 5610 3 0,05347594 4893 0,87219251 1 25,23315508
3 5409 0 0 7134 1,31891292 27,91347754
10 4 5104 0 0 10474 2,05211599 32,31269592
5 4821 0 0 13600 2,8209915 36,92594897
6 4621 0 0 15793 3,41765852 40,50595109
8 4389 0 0 18350 4,18090681 45,08544087
10 4287 2 0,04665267 19448 4,53650571 1 47,21903429
15 4129 0 0 21205 5,13562606 50,81375636
20 4264 0 0 22800 5,34709193 52,08255159
25 4453 0 0 24296 5,45609701 52,73658208
Fig. C.3 – Données brutes de la méthode Boucle d’Évaluation d’Erreur

Avec Erreur Sensing + ECC Hamming [32,39;4,2] 3bits/celluleECC

écriture:
étape transition
moyenne Nbre de bit

% variation tirages erreurs % erreur nbre mbits corrigé par
faux ECC
0,5 9371 0 0 0
1 9371 8 0,08536976 1 41
1,5 9371 15 0,1600683 1 131
2 9371 51 0,54423221 1 170
2,5 9371 151 1,61135418 1,07947 325
3 9371 223 2,379682 1,098655 615
4 9371 598 6,38138939 1,162207 750
5 9371 744 7,93938747 1,358871 1285
6 9371 1395 14,8863515 1,469534 1187
8 9371 1903 20,3073311 1,511823 1520
10 9371 2286 24,3944083 1,538495 1659
15 9371 3970 42,3647423 1,8733 1828
20 9371 4815 51,381923 1,955971 1581
25 9371 5733 61,1781027 2,084772 1541
Fig. C.4 – Données brutes pour la méthode Évaluation d’Erreur à Code Correcteur
d’Erreur (ECC), avec une distance de Hamming minimale de 4 et 3 bits par cellule
dédiée à l’ECC
Résultats de simulation 155

écriture:
étape transition
moyenne Nbre de bit

% variation tirages erreurs % erreur nbre mbits corrigé par
faux ECC
0,5 9371 0 0 0
1 9371 8 0,08536976 1 57
1,5 9371 27 0,28812293 1 160
2 9371 57 0,60825952 1,052632 254
2,5 9371 121 1,29121759 1,22314 546
3 9371 202 2,15558638 1,237624 894
4 9371 604 6,44541671 1,362583 1214
5 9371 821 8,76107139 1,367844 1788
6 9371 1330 14,1927222 1,578947 2032
8 9371 1885 20,1152492 1,548011 2508
10 9371 2334 24,9066268 1,653385 2695
15 9371 4037 43,079714 1,986871 2721
20 9371 4937 52,6838118 2,067652 2455
25 9371 5800 61,8930744 2,153103 2373
dédiée à l’ECC

écriture:
étape transition
moyenne
Nbre de bit
% variation tirages erreurs % erreur nbre mbits
corrigé par ECC
faux
0,5 9371 0 0 0
1 9371 0 0 54
1,5 9371 8 0,08536976 1,125 143
2 9371 48 0,51221855 1,229167 276
2,5 9371 17 0,18141074 1,882353 616
3 9371 101 1,07779319 1,326733 1030
4 9371 126 1,34457368 1,619048 1369
5 9371 285 3,04129762 1,621053 1903
6 9371 561 5,98655426 1,770053 2709
8 9371 792 8,45160602 1,856061 3328
10 9371 1202 12,8268061 1,96589 3808
15 9371 2334 24,9066268 2,190231 4728
20 9371 3430 36,6022836 2,209038 4545
25 9371 4065 43,3785082 2,318819 4148
dédiée à l’ECC
Bibliographie
[A.91] Ulman A. An introduction to ultrathin organic films : from Langmuir-

Blodgett to self-assembly. Academic Press, New York, 1991.
[A.D04] M.Wilson A.DeHon. Nanowire-based sublithographic programmable lo-
gic arrays. FPGA’04, 2004.
[ADS03] P. Lincoln A. DeHon and J. Savage. Stochastic assembly of sublitho-
graphic nanoscale interfaces. IEEE Transactions on Nanotechnology,
2(3) :165–174, 2003.
[AjAD+ 02] Phaedon Avouris, joerg Appenzeller, Vincent Derycke, Richard Martel,
and Shalom Wind. Carbon nanotubes electronics. IEEE, (0-7803-7462-
2/02), 2002.
[ASP+ 01] C. K. W. Adu, G. U. Sumanesekera, B. K. Pradham, H. E. Romero, and
P. C. Eklund. Chem. Phys. Lett., (337) :31, 2001.
[AT96] P. Nikolaev H. Dai P. Petit J. Robert C. Xu Y. H.Lee S. G. Kim
D. T. Colbert G. Scuseria D. Tománek J. E. Fischer R. E. Smalley
A. Thess, R. Lee. Crystalline ropes of metallic carbon nanotubes.
Science, 273 :483–487, July 1996.
[Avo02a] Ph Avouris. Acc. Chem. Res., 35 :1026, 2002.
[Avo02b] Ph. Avouris. Carbon nanotube electronics, volume 281. 2002.
[Ber03] Gary H. Berstein. Quantom-dot cellular automata by electric and ma-
gnetic field coupling. In IEEE 2003 custom integrated circuits conference,
pages 223–229, 2003.
[BHND01] A. Backtold, P. Hadley, T. Nakanishi, and C. Dekker. Logic circuits with
carbon nanotube transistors. Science, 294(1317-1319), 2001.
[Bri04] Brillouet. Talk at the 2004 jnnra, November 2004.
[Che00] W. ; Reed M. A. ; Rawlett A. M. ; Price D. W. ; Tour J. M. Chen,
J. ; Wang. J. M. Appl. Phys. Lett., (77) :1224, 2000.
157
158 Bibliographie
[Cho99] Choi. Applied Physic letter, 75(20), November 1999.

[CJ97] P. Bernier A. Loiseau M. Lamy de la Chapelle S. Lefrant P. Deniard R.
Leek J. E. Fischer C. Journet, W. K. Maser. Large-scale production of
single-walled carbon nanotubes by the electric-arc technique. Nature,
388 :756–758, August 1997.
[CJO+ 03] Yong Chen, Gun-Young Jung, Douglas A A Ohlberg, Xuema Li, Dun-
can R Stewart, Jan O Jeppesen, Kent A Nielsen, J Fraser Stoddart,
and R Stanley Williams. Nanoscale molecular-switch crossbar circuits.
Nanotechnology, (14) :462–468, 2003.
[CKR96] S. Y. Chou, P. R. Krauss, and P. J. Renstrom. Science, 272 :85, 1996.
[CL01] Y. Cui and C. M. Lieber. Science, (291) :851, 2001.
[CLG+ 01] Y. Cui, L. J. Lauhon, M. S. Gudiksen, J. Wang, and C. M. Lieber.
Diameter-controlled synthesis of single crystal silicon nanowires. Applied
Physics Letters, 15(78) :2214–2216, 2001.
[Cor05] Intel Corporation. Excerpts from a conversation with gordon moore :
Moore’s law. Technical report, 2005.
[CRRT99] J. Chen, M. A. Reed, A. M. Rawlett, and J. M. Tour. Science,
(286) :1550–1152, 1999.
[CW00] R. P. Cowburn and M. E. Welland. Room temperature magnetic quan-
tum cellular automata. Science, 287 :1466–1468, 2000.
[Dai02] H. J. Dai. Carbon nanotubes : opportunities and challenges. Surface
Science, 500, 2002.
[DBSA01] D.J. Diaz, S. Bernhard, G.D. Storrier, and H.D. Abruña. J.Phys.Chem.
B, 105(8746), 2001.
[DeH03a] A. DeHon. Array-based architecture for fet-based nanoscale electronics.
IEEE trans.Nanotechnol., 2(1) :23–32, 2003.
[DeH03b] A. DeHon. Array-based architecture for molecular electronics. 2003.
[DHL02] X. Duan, Y. Huang, and C. M. Lieber. Nonvolatile memory and
programmable logic from molecule-gated nanowires. Nano Letters,
2(5) :487–490, 2002.
[Dij06] J. Dijon. Emetteurs à effet de champ à base de nanotubes de carbone
(cnt) et leur application à la visualisation. LETI/DOPT/STCO, 2006.
[DWL03] S. Jin D. Whang and C. M. Lieber. Nanolithography using hierarchically
assembled nanowire masks. Nanoletters, 7(3) :951–954, July 2003.
Bibliographie 159
[ea01] Pease A.R. et al. Switching devices based on interlocked molecules. Acc.
Chem. Res., 34(433), 2001.
[ea03a] Chen Y. et al. Nanoscale molecular-switch devices fabricated by imprint
lithography. Appl. Phys. Lett., 2003.
[ea03b] Jeppesen J.O. et al. Eamphiphilic bistable rotaxanes. Chem. Eur. J.,
2003.
[ea06] Y. A. Gorby et al. Electrically conductive bacterial nanowires produced
by shewanella oneidensis strain mr-1 and other microorganisms. Proc.
Natl Acad. Sci. USA, 103 :11358–11363, 2006.
[Fuh02] M. S. Fuhrer. IEEE transactions on nanotechnology 1, page 78, 2002.
[Had00] P Hadley. Quantum Nanocircuits : Chips of the future ? in Quantum
Semiconductor Devices and Technologies. Kluwer, 2000.
[HD96] P. Nikolaev A. Thess D. T. Colbert R. E. Smalley H. Dai, A. G. Rinzler.
Single-wall nanotubes produced by metal- catalyzed disproportionation
of carbon monoxide. Nano Letters, 260 :471–475, september 1996.
[HDC+ 01] Yu Huang, Xianfeng Duan, Yi Cui, Lincoln J.Lauhon, Kyoung-Ha kim,
and Charles M. Lieber. Logic gates and computation from assembled
nanowire building blocks. Technical report, SCIENCE, November 2001.
[HDWL01] Y. Huang, X. Duan, Q. Wei, and C. M. Lieber. Directed assembley
of one-dimensional nanostructures into functional networks. Science,
(291) :630–633, January 2001.
[HHDT03] Christopher P. Husband, SUmmer M. Husband, Jonathan S. Daniels,
and James M. Tour. Logic and memory with nanocell circuits. IEEE
transactions on electron devices, 50(9), September 2003.
[HTA04] S. Heinze, J. Tersoff, and Ph. Avouris. Carbon nanotube electronics and
optoelectronics. 2004.
[IOT+ 99] I.Amlani, A. O. Orlov, G. Toth, G. H. Bernstein, C. S. Lent, and G. L.
Snider. Digital logic gate using quantum-dot cellular automata. Science,
284 :2889–291, 1999.
[Ito01] Kiyoo Itoh. VLSI Memory Chip Design. Springer, 2001.
[itr] http ://www.itrs.net/common/2005itrs/home2005.htm.
[Jal06] A. Jalabert. Cellule de mémoire comportant un transistor moléculaire,
dispositif comportant une pluralité de telles cellules et procédé d’uti-
160 Bibliographie
lisation. Brevet Numéro d’Enregistrement Français 2006-07087, Août

2006.
[JCA06a] A. Jalabert, F. Clermidy, and A. Amara. A generic modeling approach
for molecule-gated nanowire transistors using vhdl-ams. IEEE PRIME
2006 conference proceedings, 2006.
[JCA06b] A. Jalabert, F. Clermidy, and A. Amara. A non-volatile multi-level
memory cell using molecular-gated nanowire transistors. IEEE ICECS
[J.F] J.F.Stoddart. http ://stoddart.chem.ucla.edu/.
[JGW+ 03] A. Javey, J. Guo, Q. Wang, M. Lundstrom, and H. J. Dai. Ballistic
carbon nanotube field-effect transistors. Nature, 424(654), 2003.
[JK01] T. W. Tombler W. Tombler W. Kim H. Dai R. B. Laughlin L. Liu C.S.
Jayanthi S. Y. Wu J. Kong, E. Yenilmez. Quantum interference and
ballistic transmission in nanotube electron waveguides. Physical review
letters, 87, 2001.
[JMB+ 04] J.W.Ward, M.Meinhold, B.M.Segal, J.Berg, R.Sen, R.Sivarajan,
D.K.Brock, and T.Rueckes. A non-volatile nanoelectromechanical me-
mory element utilizing a fabric of carbon nanotubes. IEEE, 2004.
[jWM+ 04] Song jin, Dongmok Whang, Michael C. McAlpine, Robin S. Friedman,
Yue Wu, and Charles M. Lieber. Scalable interconnection and integra-
tion of nanowire devices without registration. Nano Letters, 2004.
[KBB+ 03] Kinneret Keren, Rotem S. Berman, Evgeny Buchstab, Uri Sivan, and
Erez Braun. Dna-templated carbon nanotube field-effect transistor.
Technical report, Science, November 2003.
[KK.99] Likharev KK. Single-electron devices and their applications. Proceedings
of IEEE 1999, 4(87) :606–632, 1999.
[KL99] P. Kim and C. M. Lieber. Nanotube nanotweezers. Science, (286) :2148,
1999.
[kle] Algorithme d’ecc : http ://www.personal.uni-jena.de/ pfk/mpp/.
[Kon00] J. Kong. Science, 287(622), 2000.
[KOR+ 03] R. K. Kummamuru, A. O. Orlov, R. Ramasubramaniam, C. S. Lent,
G. H. Bernstein, and G. L. Snider. Operation of a quantum-dot cellular
automata (qca) shift register and analysis of errors. IEEE Transactions
on electron devices, 50(9), 2003.
Bibliographie 161
[LCJ+ 02] Y. Luo, C. P. Collier, J. O. Jeppensen, K. A. Nielsen, E. DeIonno, G. Ho,

J. Perkins, H. Tseng, T. Yamamoto, J. F. Stoddart, and J. R. Heath.
Chem. Phys. Chem., 3(519), 2002.
[LD03] M. Nakajima P. Liu T. Fukuda L. Dong, F. Arai. Nanotube devices fa-
bricated in a nano laboratory. Proceedings of the 2003 IEEE Internatio-
nal conference on robotics and automation, pages 3648–3653, september
2003.
[LFL+ 04] Chao Li, Wendy Fan, Bo Lei, Daihua Zhang, Song Han, Tao Tang,
Xiaolei Liu, Zuqin Liu, Sylvia Asano, Meyya Meyyappan, Jie Han, and
Chongwu Zhou. Multilevel memory based on molecular devices. Applied
Physics Letters, 84(11), 2004.
[LFS+ 04] Chao Li, Wendy Fan, Daniel A. Straus, Bo Lei, Sylvia Asano, Daihua
Zhang, Jie Han, M. Meyyappan, , and Chongwu Zhou. Charge storage
behavior of nanowire transistors functionalized with bis(terpyridine)-
fe(ii) molecules : Dependence on molecular structure. J.Am.Chem.Soc.,
126 :7750–7751, 2004.
[LHL+ 03] C. Li, S. Han, X. Liu, T. Tang, J. Han, and C. Zhou. Adv. Mater.
(Weinheim, Ger.), 143(15), 2003.
[Lik04] Konstantin K. Likharev. Cmol : A new concept for nanoelectronics. 12th
Int. Symp. "Nanostructures : Physics and Technology", June 2004.
[LIL03] C. S. Lent, B. Isaksen, , and M. Lieberman. Molecular quantum-dot
cellular automata. J. Am. Chem. Soc., (125) :1056–1063, 2003.
[LLL+ 04] C. Li, J. Ly, B. Lei, W. Fan, D. Zhang, J. Han, M. Meyyappan,
M. Thompson, and C. Zhou. Data storage studies on nanowire tran-
sistors with self-assembled porphyrin molecules. J. Phys. Chem. B,
108 :9646–9649, 2004.
[LLM+ 04] Sang Wook Lee, Dong Su Lee, Reluca E. Morjan, Sung Ho Jhang, Martin
Sveningsson, O. A. Nerushev, Yung Woo Park, and Eleanoe E. B. Camp-
bell. A three-terminal carbon nanorelay. Nano letters, 4(10) :2027–2030,
2004.
[LMG+ 04] Qiliang Li, Guru Mathur, Srivardhan Gowda, Shyam Surthi, Qian Zhao,
Lianhe Yu, Jonathan S. Lindsey, David F. Bocian, and Veena Misra.
Multibit memory using self-assembly of mixed ferrocene/porphyrin mo-
nolayers on silicon. Advanced Materials, 16(1) :133–137, January 2004.
162 Bibliographie
[LMMT03] K. Likharev, A. Mayr, I. Muckra, and Ö. Türel. High-performance neu-

romorphic architectures for cmol circuits. Molecular Electronics III (An-
nals of New York Acad. Sci.), 1006 :146–163, 2003.
[LT97] C. S. Lent and P. D. Tougaw. A device architecture for computing with
quantum dots. IEEE, 85 :541–557, 1997.
[LTPB93] C. S. Lent, P. D. Tougaw, W. Porod, and G. H. Berstein. Quantum
cellular automata. Nanotechnology, 4 :49–57, 1993.
[MA96] M. Maskus and H.D. Abruña. Langmuir, (12) :4455, 1996.
[Mar03] R. Martel. Single-and multi-wall nanotube field-effect transistors. Ap-
plied Physics Letters, 73 :2447–2249, 2003.
[MB99] J.Lu A.G. Rinzler R.E. Smalley L. Balents P.L. McEuen M. Bockrath,
D.H. Cobden. Luttinger-liquid behaviour in carbon nanotubes. Nature,
397 :598–601, 1999.
[McE00] P.L. McEuen. Phys. World, 13(31), 2000.
[Mis05] Misra. Hybrid molecular memory devices and methods of use thereof.
(US 2005/0121660 A1), 2005.
[ML98] A. M. Morales and C. M. Lieber. A laser ablation method for synthesis
of crystalline semiconductor nanowires. Science, (279) :208–211, 1998.
[MM03a] S. C. Goldstein M. Mishra. Defect tolerance after the roadmap. Inter-
national Test Synthesis Workshop (ITSW), March 2003.
[MM03b] S. C. Goldstein M. Mishra. Defect tolerance at the end of the roadmap.
International Test Conference (ITC), September 2003.
[MRI+ 99] Veyrat M., Ramasseul R., Turowska-Tyrk I., Scheidt WR., Autret
M., Kadish KM., and Marchon JC. Nickel(ii) and zinc(ii) meso-
tetracyclohexylporphyrins. structural and electronic effects induced
by meso-cyclohexyl substitution in metalloporphyrins. Inorg Chem.,
8(38) :1772–1779, April 1999.
[MSGL02] J. Wang D. C. Smith M. S. Gudiksen, L. J. Lauhon and C. M. Lieber.
Growth of nanowire superlattice structures for nanoscale photonics and
electronics. Nature, (415) :617–620, February 2002.
[MSGLJLL02] D. Wang M. S. G. Lincoln J. Lauhon and C. M. Lieber. Epitaxial core-
shell and core-multi-shell nanowire heterostructures. Nature, (420) :57–
61, 2002.
Bibliographie 163
[nan] Nanoletter : http ://pubs.acs.org/journals/nalefd/index.html.

[Nos01] T. Nosaka. Appl.Phys.Lett, (79) :1691, 2001.
[NPLB04] Ki Tae Nam, Beau R. Peelle, Seung-Wuk Lee, and Angela M. Belcher.
Genetically driven assembly of nanorings based on the m13 virus. Nano
Letters, 4(1), 2004.
[NSF01] K. Nikolic, A. Sadek, and M. Forshaw. Architectures for reliable com-
puting with unreliable nanodevices. Proceedings of IEEE NANO2001,
october 2001.
[OAB+ 97] A. O. Orlov, I. Amlani, G. H. Bernstein, C. S. Lent, , and G. L. Sni-
der. Realization of a functional cell for quantum-dot cellular automata.
Science, 277 :928–931, 1997.
[OAK+ 02] A. O. Orlov, I. Amlani, R. Kummamuru, R. Rajagopal, G. Toth,
J.Timler, C. S. Lent, G. H. Bernstein, and G. L. Snider. Power gain
in quantum-dot cellular automata latch. Appl. Phys. Lett., 81 :1332–
1334, 2002.
[OAT+ 99] A. O. Orlov, I. Amlani, G. Toth, C. S. Lent, G. H. Bernstein, and G. L.
Snider. Experimental demonstration of a binary wire for quantum-dot
cellular automata. Applied physics letters, 74 :2875–2877, 1999.
[Pau04] Linda Dailey Paulson. Companies develop nanotech ram chips. Compu-
ter, page 28, August 2004.
[PH03] C. R. Vas P. Holister, T. E. Harper. Nanotubes white paper. CMP
Cientìfica, January 2003.
[Pop04] V. N. Popov. Carbon nanotubes : properties and application. Materials
Science and Engineering, (43) :61–102, 2004.
[PPG+ 02] J. Park, A.N. Pasupathy, J.I. Goldsmith, C. Chang, Y. Yalsh, J.R. Petta,
M. Rinkoski, J.P. Sethna, H.D. Abruña, P.L. McEuen, and D.C. Ralph.
Nature, (417) :722, 2002.
[QCA] Tutorial sur les qca : http ://www.qcadesigner.ca/tutorials/qcatutorial.html.
[QSL+ 03] H. Qi, S. Sharma, Z. Li, G. L. Snider, A. O. Orlov, C. S. Lent, and T. P.
Fehlner. Molecular quantum cellular automata cells. electric field driven
switching of a silicon surface bound array of vertically oriented two-dot
molecular quantum cellular automata. J. Am. Chem. Soc., 125 :15250–
15259, 2003.
164 Bibliographie
[RcC+ 95] R.Amerson, R.J. carter, W.B. Culbertson, P.Kuekes, and G.Snider. Te-
ramac - configurable custon computing. IEEE, 1995.
[RD+ 00] Kristian M. Roth, Narasaiah Dontha, , Rajeev B. Dabke, Daniel T.
Gryko, Christian Clausen, , Jonathan S. Lindseya, David F. Bocian, and
Werner G. Kuhrb. Molecular approach toward information storage ba-
sed on the redox properties of porphyrins in self-assembled monolayers.
American Vacuum Society, September/October 2000.
[RKJ+ 00] Thomas Rueckes, Kyoungha Kim, Ernesto Joselevich, Grg Y. Tseng,
Chin-Li Cheung, and CHarles M. Lieber. Carbon nanotubes-based
nonvolatile random access memory for molecular computing. Science,
289 :94–97, July 2000.
[Rot05] Rotenberg. Variable-persistence molecular memory devices and methods
of operation thereof. (US 6,944,047 B2), 2002-2005.
[RT02] Mark Reed and James Tour. Computing with Molecules. 2002.
[SAJF04] R Stadler, S Ami, C Joachim, and M Forshaw. Integrating logic functions
inside a single molecule. Nanotechnology, (15), 2004.
[SB04] Sandeep K. Shukla and R.Iris Bahar. Nano,Quantum and molecular
Computing. Kluwer, 2004.
[SCG+ 94] J-P Sauvage, J-P Collins, S. Guillerez, C. Coudret, V. Balzani, F. Bari-
gelletti, L. De Cola, and L. Flamigi. Chem. Rev., 94, 1994.
[SCG01] M. Budiu S. C. Goldstein. Nanofabrics : Spatial computing using mole-
cular electronics. Proceedings of the 28th Annual International Sympo-
sium on Computer Architecture, june 2001.
[SCG02] D. Rosewater S. C. Goldstein. Digital logic using molecular electronics.
IEEE International Solid-State Circuits Conference, february 2002.
[SFG+ 03] M.R. Stan, P.D. Franzon, S.C. Goldstein, J.C. Lach, and M.M. Ziegler.
Molecular electronics : From devices and interconnect to circuits and
architecture. Proceedings of the IEEE, 91(11), November 2003.
[SFJ03] R. Stadler, M. Forshaw, and C. Joachim. Nanotechnology, 14 :138, 2003.
[SGK+ 05] R. V. Seidel, A. P. Graham, J. Kretz, B. Rajasekharan, G. S. Duesberg,
M. Liebau, E. Unger, F.Kreupl, , and W. Hoenlein. Sub 20 nm short
channel carbon nanotube transistors. Nano Letter, 1(5) :147–150, 2005.
[SH68] H. Shichman and D. Hodges. Modelling and simulation of mos insulated-
gate field effect transistor switching circuits. IEEE Journal of Solid-State
Circuits, SC 3(5) :285–289, 1968.
Bibliographie 165
[SJY00] S.Williams, J.Heath, and Y.Chen. Molecular wire crossbar memory. U.S.
Patent 6 128 214, October 2000.
[SJY01] S.Williams, J.Heath, and Y.Chen. Molecular wire crossbar interconnect
(mwci) for signal routing and communications. U.S. Patent 6 314 019,
November 2001.
[SL04] D. Strukov and K. Likharev. Possible defect tolerance and real estate
overhead of nanoelectronic memories. Molecular Electronics III (Annals
of New York Acad. Sci.), 2004.
[SOB+ 04] D. R. Stewart, D. A. A. Ohlberg, P. A. Beck, Y. Chen, R. Stanley
Williams, J. O. Jeppesen, K. A. Nielsen, , and J. Fraser Stoddart.
Molecule-independent electrical switching in pt/organic monolayer/ti
devices. Nano Letters, 4(1) :133–136, 2004.
[SP01] S.Williams and P.Kuekes. Demultiplexer for a molecular wire crossbar
network. U.S. Patent 6 256 767, July 2001.
[SY01] S.Williams and Y.Chen. Nanoscale patterning for the formation of ex-
tensive wires. U.S. Patent 6 294 450, September 2001.
[Sze81] Simon M. Sze. Physics of Semiconductor Devices. Wiley, 1981.
[THH+ 02] Tour, Van Zandt Husband, Husband, Wilson, Franzon, and Nackashi.
IEEE Trans. Nanotechnol., 100(1), 2002.
[TL02] J. Timler and C. S. Lent. Dissipation and gain in quantum-dot cellular
automata. J. Appl. Phys., 91 :823–831, 2002.
[TLML04] Ö. Türel, J. H. Lee, X. Ma, and K. K. Likharev. Architectures for
nanoelectronic neural networks : new results. 2004 International Joint
Conference on Neural Networks, 2004.
[TML03] Ö. Türel, I. Muckra, and K. Likharev. Possible nanoelectronic implemen-
tation of neuromorphic networks. Proceedings of the 2003 International
Joint Conference on Neural Networks, pages 365–370, 2003.
[Tou03a] James M. Tour. Molecular electronics : Commercial insights, chemistry,
devices, architecture and programming. World Scientific : Teaneck, 2003.
[Tou03b] Nackashi Yao Flatt Angelo Mallouk Franzon Tour, Cheng. Nanocell
electronic memories. JACS, 2003.
[VAZR05] Ravi K. Venkatesan, Ahmed S. AL-Zawawi, and Eric Rotenberg. Tap-
ping zettaram for low-power memory systems. Proceedings of the 11th
166 Bibliographie
International Symposium on High-Performance Computer Architecture,

2005.
[VD01] J. Appenzeller Ph. Avouris V. Derycke, R. Martel. Carbon nanotube
inter- and intramolecular logic gates, volume 1. 2001.
[vN37] Alan von Neumann. On computable numbers, with an application to
the entscheidungsproblem. Proc. London mathematical Soc., 43 :230–
265, 1937.
[WJL03] D. Whang, S. Jin, and C. M. Lieber. Nanolithography using hierarchi-
cally assembled nanowire masks. Nanoletters, 3(7) :952, 2003.
[WJWL03] D. Whang, S. Jin, Y. Wu, and C. M. Lieber. Large-scale hierarchical
organization of nanowire arrays for integrated nanosystems. Nanoletters,
3(9) :1255–1259, September 2003.
[Y.02] Chen Y. Us patent specification 6 432 740. 2002.
[YCL00] J. Hu Y. Cui, X. Duan and C. M. Lieber. Journal of physical chemistry
b. Science, 22(104) :5213–5216, June 2000.
[YT04] A. Javey R. Malloy Q. Wang J. Bokor H. Daï Y.C. Tseng, P. Xuan. Mo-
nolithic integration of carbon nanotube devices with silicon mos techno-
logy. Nano Letters, 4(1) :123–127, 2004.
[YZGG00] C. Yan, M. Zharnikov, A. Golzhauser, and M. Grunze. Langmuir,
16 :6208, 2000.
[ZCB+ 00] A. Zettl, P. G. Collins, K. B. Bradley, M. Ishigami, and A. Zettl. Science,
(287) :1801, 2000.
[ZD05] N. Grimard J. Goyette R. Chahine Z. Dehouche, L. Lafi. The catalytic
effect of single-wall carbon nanotubes of the hydrogen sorption proper-
ties of sodium alanates. Nanotechnology, (16) :402–409, 2005.
[Zet05] Inc Zettacore. Molecular memory devices and methods. (WO
2005/073976 A1), 2005.
[ZLH+ 03] CD. Zhang, C. Li, S. Han, X. Liu, T. Tang, W. Jin, and C. Zhou. Applied
Physics Letters, 82(112), 2003.
[ZWC+ 03] Zhaohui Zhong, Deli Wang, Yi Cui, Marc W. Bockrath, and Charles M.
Lieber. Nanowire crossbar arrays as address decoders for integrated
nanosystems. Technical report, SCIENCE, November 2003.
Table des figures
1 Délai moyen vs. densité de composants . . . . . . . . . . . . . . . . . . . 2
1.1 Nanologique à base de nanofil . . . . . . . . . . . . . . . . . . . . . . . . 10

1.2 Nanofil de In2 O3 et transistor associé . . . . . . . . . . . . . . . . . . . 12
1.3 Procédé de fabrication du NW-FET moléculaire . . . . . . . . . . . . . . 12
1.4 Coupe schématique d’un transistor NWFET moléculaire . . . . . . . . . 13
1.5 Transistor à nanofil sans noyaux métalliques . . . . . . . . . . . . . . . . 13
1.6 Caractéristiques électriques du transistor moléculaire . . . . . . . . . . . 14
1.7 Vue d’artiste du plus petit transistor à nanotube au monde par Infineon 18
1.8 Différentes propriétés des nanotubes de carbone . . . . . . . . . . . . . . 18
1.9 Schéma d’une structure de graphite . . . . . . . . . . . . . . . . . . . . . 19
1.10 Structures possibles d’un CNT . . . . . . . . . . . . . . . . . . . . . . . 20
1.11 Modélisation des NTs mono et multiparois . . . . . . . . . . . . . . . . . 20
1.12 [Dai02] : Image au MEB d’un réseau de MWNTs. Chaque tour est un
paquet de MWNTs orientés perpendiculairement à la surface. . . . . . . 23
1.13 [YT04] : (a) schéma d’un décodeur CNT, (b) image au MEB d’un CNT
entre 2 électrodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.14 Image au MEB d’un SWNT contacté par des fils d’or auto-assemblés sur
de l’ADN [KBB+ 03] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.15 [JGW+ 03] : Transistor CNT, image au MEB (droite), à l’AFM (gauche) 25
1.16 [VD01] : (a) image AFM d’un inverseur à CNTFET, (b) caractéristique
mesurée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.17 Interrupteur électro-mécanique à base de nanotube présentée par Nantero 27
1.18 Mémoire électro-mécanique NRAM à base de nanotube présentée par
Nantero [Pau04] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.19 Degré d’ouverture (en fonction d’une différence de potentiel) d’une nano-
pince à base de nanotubes de carbone permettant la manipulation d’objet
à l’échelle moléculaire [KL99] . . . . . . . . . . . . . . . . . . . . . . . . 28
167
168 Table des figures
1.20 Schéma de principe du nano-relais . . . . . . . . . . . . . . . . . . . . . 29

1.21 [HTA04] : Vue d’artiste d’une source de lumière à partir d’un simple
nanotube de carbone. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.22 L’écran couleur 9" de Samsung à base de nanotube . . . . . . . . . . . . 30
1.23 Structure d’une diode et d’une triode . . . . . . . . . . . . . . . . . . . . 31
1.24 [Dij06] : Vues au MEB de la structure triode. A gauche, vue d’un sous
pixel couleur avec les plots de CNT entre les grilles. A droite, détails des
plots de nanotubes entre les grilles. . . . . . . . . . . . . . . . . . . . . . 31
1.25 [HHDT03] : Caractéristique courant tension d’une molécule de nitroani-
line démontrant dans son état ’1’ une résistance négative. . . . . . . . . 34
1.26 [MRI+ 99] : Meso-porphyrine substituée changeant de conformation géo-
métrique en fonction du nombre d’électrons libres du noyau central . . . 34
1.27 [LCJ+ 02] [J.F] : Interrupteur électrique à commande électro-mécanique
à base de molécule de rotaxane. . . . . . . . . . . . . . . . . . . . . . . . 35
1.28 Molécule de catenane composée de deux anneaux imbriqués pouvant tour-
ner l’un autour de l’autre . . . . . . . . . . . . . . . . . . . . . . . . . . 36
1.29 Voltamétrie cyclique d’une monocouche auto-assemblée de porphyrine . 37
2.1 [HHDT03] :Une Nanocell . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

2.2 [HHDT03] : Molécule de nitroaniline et sa caractéristique I(V) présentant
un comportement de NDR (Negative Differential Resistance) . . . . . . 42
2.3 [HHDT03] : Latch bistable à base de deux molécules NDR . . . . . . . . 43
2.4 [HHDT03] : Conversion courant-tension et restauration de niveau logique
par utilisation d’un latch bistable à base de deux molécules présentant
des caractéristiques de NDR. . . . . . . . . . . . . . . . . . . . . . . . . 43
2.5 [HHDT03] : Nanocell configurée en porte inverseuse. . . . . . . . . . . . 44
2.6 [HHDT03] : Nanocell configurée en porte NAND . . . . . . . . . . . . . 44
2.7 [Tou03b] : Image SEM d’une Nanocell réalisée expérimentalement. . . . 45
2.8 [SCG01] : Détail et vue schématique d’un nanoBlock . . . . . . . . . . . 47
2.9 [SCG01] : Exemple d’implémentation en logique à diode d’une porte AND
à deux entrées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.10 Détail du latch moléculaire . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.11 [SCG01] : Illustration de l’assemblage de quatre nanoBlocks différemment
orientés, formant à leur interface un switch-block . . . . . . . . . . . . . 49
2.12 [SCG01] : Schéma d’une Nanofabric. Détail d’un cluster . . . . . . . . . 50
2.13 Méthode de test . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.14 [A.D04] : Détail d’un PLA nanométrique à base de nanofils . . . . . . . 53

2.15 [ADS03] : Décodage d’adresse par modulation de dopage . . . . . . . . . 54
2.16 [ADS03] : Inversion sélective et étage de restauration . . . . . . . . . . . 56
2.17 Méthode de dépôt de nanofils . . . . . . . . . . . . . . . . . . . . . . . . 57
2.18 [jWM+ 04] : Caractéristiques de cNW-FETs . . . . . . . . . . . . . . . . 58
2.19 Décodeur d’adresse One-Hot basé sur un cNW-FET . . . . . . . . . . . 59
2.20 Décodeur d’adresse Two-Hot basé sur un cNW-FET . . . . . . . . . . . 59
2.21 Caractéristique des cNW-FETs après modification chimique . . . . . . . 60
2.22 [ZWC+ 03] : Décodeur 4x4 . . . . . . . . . . . . . . . . . . . . . . . . . . 60
2.23 [Lik04] : Vue schématique de coupe du circuit CMOL. . . . . . . . . . . 63
2.24 Adressage micro-nano . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
2.25 [KK.99] : (a) Dispositif SET réalisant la fonction d’une synapse de type
BiWAS (Binary-Weight, Analog Signal) (b) Simulation numérique Monte-
Carlo du single-electron tunnelling . . . . . . . . . . . . . . . . . . . . . 65
2.26 [KK.99] : Une implémentation moléculaire possible d’une synapse (Mayr
et al., 2003) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
2.27 [TML03] : Structure en croix du CrossNet . . . . . . . . . . . . . . . . . 66
2.28 [OAB+ 97] : Schéma de cellules à quatre points quantiques, la force de
répulsion de Coulomb impose aux électrons d’occuper les coins opposés
de la cellule . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
2.29 [OAB+ 97] : Fil à base de cellule QCA . . . . . . . . . . . . . . . . . . . 68
2.30 Porte majorité et son utilisation . . . . . . . . . . . . . . . . . . . . . . . 68
2.31 Inverseur à QCA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
2.32 Chaine d’inversion à QCA . . . . . . . . . . . . . . . . . . . . . . . . . . 69
2.33 Fanout à QCA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
2.34 Crossover à QCA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
2.35 Additionneur complet . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
2.36 [KOR+ 03] : (a) Schéma d’un registre à décalage QCA, (b) image au MEB
du registre à décalage fabriqué . . . . . . . . . . . . . . . . . . . . . . . 71
2.37 Fonctionnement d’un registre à décalage . . . . . . . . . . . . . . . . . . 72
2.38 [QSL+ 03] : Molécule de F e3 − Ru2 . . . . . . . . . . . . . . . . . . . . . 74
2.39 [CJO+ 03] : (a) Représentation schématique de la structure du crossbar
(b) Structure moléculaire de la molécule bistable de [2]rotaxane . . . . . 75
2.40 [CJO+ 03] : (a) image de 4 circuits de test sur 625 créés, montrant que
chaque circuit a 16 contacts. (b)(c) Images SEM d’une intersection de
nanofils. (d) Image AFM. . . . . . . . . . . . . . . . . . . . . . . . . . . 76
2.41 [CJO+ 03] Mémoire 8x8 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77

2.42 [CJO+ 03] : Le crossbar configuré avec un multiplexeur et un démulti-
plexeur autour d’une mémoire 4x4 bits . . . . . . . . . . . . . . . . . . . 78
3.1 Point mémoire DRAM (1-T) à lecture destructive . . . . . . . . . . . . . 80

3.2 Point mémoire SRAM (6-T) de type full-CMOS . . . . . . . . . . . . . . 80
3.3 Point mémoire Flash . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
3.4 Architectures de mémoire FLASH . . . . . . . . . . . . . . . . . . . . . . 82
3.5 Différents types de cellules mémoires moléculaires issues de brevet . . . . 83
3.6 Mémoire électro-mécanique NRAM à base de nanotube présentée par
Nantero [Pau04] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
4.1 Exemple d’entité VHDL-AMS décrivant le comportement d’une résistance 91

4.2 Transistor NWFET moléculaire : vue haut niveau et caractéristiques ex-
périmentales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
4.3 Détail des équations électriques utilisées dans la modélisation du transis-
tor moléculaire NWFET . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
4.4 Coupe schématique d’un transistor NWFET moléculaire . . . . . . . . . 96
4.5 Exemple de déclaration de l’entité VHDL-AMS de transistor à nanofil
moléculaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
4.6 Résultats de simulation du NW-FET In2 O3 et Bis(terpyridine) − F e2+ 100
4.7 Caractéristiques électriques IDS en fonction de VDS [LFL+ 04] . . . . . . 100
4.8 Réponse temporelle en courant du transistor In2 O3 à molécules de Bis(terpyridine)−
F e2+ soumis à un signal triangulaire d’amplitude variable . . . . . . . . 102
4.9 Résultats de simulation du NW-FET In2 O3 et Co − porphyrine . . . . 103
4.10 [LLL+ 04] : Caractéristique courant IDS en fonction de la tension VG du
transistor à nanofil de In2 O3 et à molécules de Co − porphyrine. Détail :
structure de la molécule . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
5.1 Cellule mémoire de type DRAM . . . . . . . . . . . . . . . . . . . . . . . 106

5.2 La cellule mémoire proposée composée de deux transistors NWFETs mo-
léculaires en série . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
5.3 Layout classique d’une cellule moléculaire multivaluée à base de deux
transistors NW-FET moléculaire . . . . . . . . . . . . . . . . . . . . . . 108
5.4 Coupe d’une cellule moléculaire multivaluée 3D alignée verticalement à
base de deux transistors NW-FET moléculaires . . . . . . . . . . . . . . 109
5.5 Illustration de l’intégration 3D et de l’alignement vertical de 12 cellules

de base stockant un total 48 bits (4 bits par cellule) sur une surface de
0, 014µm2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
5.6 Cellule de test . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
5.7 Séquences des commandes permettant l’effacement et la programmation
d’une cellule mémoire. L’état initial des transistors est A1 bloqué et M1
non bloqué . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
5.8 Séquencement de la commande permettant de lire un point mémoire
(transistor d’accès A1 bloqué et transistor M1 non bloqué) . . . . . . . . 113
5.9 Cœur du modèle VHDL-AMS de la cellule optimisée en temps de calcul 115
6.1 Interface de saisie Matlab des paramètres caractéristiques d’un transistor

moléculaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
6.2 Schéma illustrant les variations des paramètres de chacun des deux tran-
sistors de la cellule mémoire . . . . . . . . . . . . . . . . . . . . . . . . . 120
6.3 Interface de saisie Matlab des paramètres du plan mémoire à générer . . 120
6.4 Interface de visualisation des résultats de dispersion sur le plan mémoire
généré. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
6.5 Exemple d’architecture . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
6.6 Résultats de simulation en fonction du taux de dispersion pour la mé-
thode De Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
6.7 Schéma explicatif de la méthode d’Évaluation d’Erreur . . . . . . . . . . 128
thode Évaluation d’Erreur (Error Sensing) . . . . . . . . . . . . . . . . 129
thode Boucle Error Sensing . . . . . . . . . . . . . . . . . . . . . . . . . 129
6.10 Résultats de simulation pour le code de Hamming (39,32 ;4,2) 3bpc . . . 132
6.13 Comparaison entre les trois méthodes à codes correcteurs d’erreur du
pourcentage du nombre de bits corrigés par rapport au nombre de bits
écrits, en fonction du taux de dispersion . . . . . . . . . . . . . . . . . . 135
6.14 Taux d’erreur en fonction du taux de dispersion, toutes méthodes confon-
dues . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
A.1 Chronogramme de la séquence d’effacement du point mémoire . . . . . . 144

A.2 Chronogramme de la séquence de programmation du point mémoire . . 145
A.3 Chronogramme de la séquence de lecture du point mémoire . . . . . . . 146
B.1 Exemple d’une partie d’un plan mémoire généré à partir du modèle de
cellule complet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
B.2 Exemple d’une partie d’un plan mémoire généré à partir du modèle de
cellule optimisé en temps de calcul . . . . . . . . . . . . . . . . . . . . . 149
C.1 Données brutes de la méthode De Base . . . . . . . . . . . . . . . . . . 151

C.2 Données brutes de la méthode Évaluation d’Erreur . . . . . . . . . . . . 152
C.3 Données brutes de la méthode Boucle d’Évaluation d’Erreur . . . . . . . 153
C.4 Données brutes pour la méthode Évaluation d’Erreur à Code Correcteur
d’Erreur (ECC), avec une distance de Hamming minimale de 4 et 3 bits
par cellule dédiée à l’ECC . . . . . . . . . . . . . . . . . . . . . . . . . . 154
Publications
173
A generic modeling approach for molecule-gated
nanowire transistors using VHDL-AMS
Antoine JALABERT Fabien CLERMIDY Amara AMARA
CEA - LETI CEA - LETI ISEP
Grenoble, France Grenoble, France Paris, France
Email: antoine.jalabert@cea.fr Email: fabien.clermidy@cea.fr Email: amara.amara@isep.fr
Abstract— A generic VHDL-AMS model for molecular-gated raised, which depletes the major carriers in the semiconductor
nanowire FET is presented. This compact modeling aimed at nanowire, and hence oxidizes part or all of the redox molecules
reproducing the specific electrical characteristics of this new class population. Positively charged molecules act as a positive
of devices, combining accuracy for circuits functional analysis
with efficient simulation time. Three different devices have been chemical gate allowing the NWFET to be turned on at a
successfully modeled and simulated. Comparison to experimental high negative back-gate voltage. Conversely, a high positive
data shows very good accordance. bias will lead to the reduction of redox molecules, inducing
a compensating negative gate, thus shifting back the VT to a
more positive value. They also showed that similar result on
I. I NTRODUCTION
VT shift could be obtained using only VDS pulses. However, it
Molecules, as part of new electronic devices, attract much seems the device performance falls very quickly in this mode
of the attention of today’s research on new technological of operation, that’s why we will mainly focus on back-gated
trends and innovative components. Multilevel memory points charge injection. Finally, Meyyappan et al. later reported in a
[1] [2] [3], programmable logical gates and new logical study on a family of Bis(terpyridine) − Fe2+ molecules [7],
functions [4] [5] [6] for instance are some of the multiple the major influence of the ligand (between the nanowire and
application examples that focus a lot of energy. Combining the molecule) on charge retention and VT range shift capability.
both MOSFET functional behaviors and an innovative
programmable floating gate influencing channel conductance, III. M ODELING
molecule-gated nanowire field effect transistors (NWFET) In order to be able to simulate complex circuits, including
are promising candidates that could well revolutionize programmable logic and memories, a compact modeling,
tomorrow’s electronic devices. However, designs and that does not sacrifice simulation time, fitting molecule-gated
functional simulations of circuits around such devices require nanowire transistor basic electrical behaviors is needed. This
high level models with enough accuracy to provide system modeling also had to be generic enough so that it can be
analysis. Actual modeling are generally fitted MOS models adapted to other molecules and other semiconductor materials.
that do not take into account the chemical aspect of the We propose a model combining pseudo-physical equations,
device, in particular the redox phenomenon. In this paper, empirical equations and VHDL-AMS processes dealing with
we will present a new VHDL-AMS modeling approach for chemical aspects.
molecule-gated nanowire field effect transistors.
All these requirements along with other common
characteristics between molecule-gated nanowire transistors
II. M OLECULE - GATED NANOWIRE TRANSISTORS
such as, IDS versus VG electrical hysteresis behavior and
Most, if not all, of today’s published experimental variable VT threshold as a function of the population of
molecule-gated nanowire transistors devices are build on a oxidize/reduce molecules, lead to the development of a
pseudo-MOS structure [1] [2] [5]. This common test structure compact modeling using VHDL-AMS (IEEE 1076.1) [8]
in MOSFET characterization allows molecules to safely analog and digital capabilities.
self-assembled all over the semiconductor material because
the control gate is at the back of the device, thus preventing
molecules not to be covered by oxide. Figure 1 illustrates the Oxide
structure of such devices. S D Metal
Nanowire
Lieber et al. in [5] first proposed an electro-chemical expla- CG Control back gate
nations, pointing out the fundamental role of redox molecules. Molecules
When applying a negative potential between the Back-Gate Fig. 1. Color. Pseudo-MOS structure of a gated-molecule nanowire transistors
and Source or Drain (VDS has to be low), the nanowire band is
In2 O3 In2 O3 N-doped InP
Bis(terpyridine) − Fe2+ Co − porphyrin Co − phthalocyanine
[1] [9] [5]
K1 365e−9 Ω−1 ·V −1 980e−9 Ω−1 ·V −1 77e−9 Ω−1 ·V −1
K2 375e−9 Ω−1 ·V −1 3.17e−6 Ω−1 ·V −1 65e−6 Ω−1 ·V −1
TABLE I
K VALUES EXTRACTED FROM EXPERIMENTAL DATA ( [1] [9] [5]).
values, extracted from different examples are summarized in

table I.
When VG << 0 and dV dt > 0, there is a VGMin limit where
G
Fig. 2. Color. Current IDS versus VG characteristics of In2 O3 nanowire IDS current is null. This behavior correspond to the electro-
devices with self-assembled Co − porphyrin. Inset: structure of the molecule. chemical phenomenon that sees all molecules being oxidized.
Courtesy Zhou et al. [9].
When VG > VGSat , IDS is evaluated accordingly to a sat-
uration function whose expression is given by equation (3).
The choice of an exponential interpolation was motivated by
two reasons. The first one being that simulated characteristics
Because the model has to be accurate, functional and fit well with measured data, while the second one is that
fast, ab initio methods and other calculations of molecular an exponential function naturally implies a saturation, thus
structure approach, are not suited at all. The core of this emulating the fact that the number of reducible molecules is
model written in VHDL-AMS is divided in two parts. The a finite number. It should be mentioned that equation (3) is
first one computes the IDS current function of the back gate calculated to be tangent to equation (1), at point (VGSat ,IDSSat )
potential VG , while the second evaluates the proportion of as shown on figure 3.
oxidized/reduced molecules, thus determining the VT of the
transistor. This modeling has to reproduce molecule-gated m

− IDSmax −IDS (VG −VGSat )
nanowire transistors electrical behaviors such as illustrated by IDS = (IDSmax − IDSSat ) 1 − e Sat + IDSSat
figure 2. Some examples can be found in the following papers:
(3)
In2 O3 semiconductor nanowire with Bis(terpyridine) − Fe2+
with
molecules [1] [7], In2 O3 semiconductor nanowire with
Co − porphyrin molecules [9] and N-doped InP nanowire −IDSmax
with cobalt − phthalocyanine molecules [5]. m= (4)
VT −VGSat
As the electrical behaviors of the studied molecule-gated VGSat is continuously evaluated by equation (5) and is a
NWFET is similar to typical N-MOS and depleted N-MOS function of VT and VDS . Its expression corresponds to the
characteristics, part of the electrical equations are derived solution of equation (1) with IDS = IDSSat .
from Shichman and Hodges [10] quadratic model. Figure 3
details the different equations use to describe IDS (VG ) electrical
IDSmax
characteristics.
− m

(VG −VGSat )

IDS
IDSmax −IDS
As all the devices exhibit pronounced hysteresis behavior, (IDSmax − IDSSat ) 1 − e Sat + IDSSat
we choose to model this not-so-common phenomenon in the
following manner. Whatever the sign of VG is, and unless IDSSat
VG > VGSat > 0 or VG << 0, we compute IDS with equation (1)
and equation (2), for dV dVG 2
VDS
dt > 0 and dt < 0, respectively. These
G K1 (VG −VT )VDS − 2
equations are similar; K1 and K2 are given constant parameters,
specific to the studied device, while VT is a variable of the
model, calculated by a VHDL-AMS process dealing with
VGSat
chemical aspects, that will be described later.
2
dVG 2
IDS = K1 2(VG −VT )VDS −VDS when >0 (1) K2 (VG −VT )VDS −
VDS
2
dt 0
0 VT for dVG
<0
VT for dVG
>0 dt VG
2 dVG dt
IDS = K2 2(VG −VT )VDS −VDS when <0 (2)
dt Fig. 3. Color. Summary of electrical equations used to model molecular-gated
nanowire transistors
K1 and K2 are experimental constants. Their respective
molecules. In that case, VT equal the given constant model
parameter VGMAX . Conversely, when VG > VGSat , then VT equals
the expression of equation (10). This expression is the solution
of equation (2) for IDS = 0, in other words, it is the crossing
point of the curve with the VG -coordinate axis.
In order not to lower simulation speed, and because normal
operation of the device is supposed to be with VDS low, for VT
computing, VG was approximate to the mean potential VGM =
VGS +VGD
2 .
K2VDS (VDS − 2VGM ) + IDS
VT = − (10)
2 ∗ K2VDS
In a future work, this process will also be in charge of
Fig. 4. Color. IDS versus VG hysteresis loops obtained by sweeping gate taking into account the retention time of the specific device
voltage from −n ∗ 2.5V to 10 + n ∗ 2.5V and then back to the starting value. n being simulated, and thus modifying VT over time.
is the index of levels from 2 (the innermost curve) to 8 (the outermost curve).
Courtesy Zhou et al. [1].
IV. S IMULATION
We have chosen to first simulate a Bis(terpyridine) − Fe2+ -
gated In2 O3 nanowire transistor because of its demonstrated
K · (VDS + 2VT ) + MAX IDS VG0

VGSat = VDS FIXE
(5) programmable multilevel conductances at VG = 0 as seen on
2K figure 4. The complete study of the experimental device can
MAX IDS VG0 and VDS FIXE are given parameters of be found in [1]. Figure 6 is an example of the simulated
the model and are extracted from experimental data. They VHDL-AMS entity declaration of such device.
represent, the maximal IDS current at VG = 0, and the VDS
bias used to record IDS (VG ) characteristic, respectively. For this study, we have simulated the DC response of this
IDSSat and IDSmax are respectively, the current of saturation molecular-gated nanowire transistor, integrated in a simple test
and the maximum current for a fixed VDS . These variables are circuit, sweeping VG to different gate voltage, from 0V to −n ∗
constants for a given VDS . Equations (6) and (7) give their 2.5V , then to 10 + n ∗ 2.5V and then back to 0V , with VDS =
respective literal expression. −0.075V and Source grounded, as in [1] experiments. n is
the index of levels from 2 (the innermost curve) to 8 (the
MAX IDS VG0 outermost curve).
IDSSat = VDS · (6)
VDS FIXE IDS (VG ) simulation results are reported on figure 8. They
demonstrate the specific hysteresis loop behavior as expected,
MAX IDS
IDSMax = VDS · (7) and they also show a very good accordance compared to
VDS FIXE
experimental data found in [1]. Similar results were obtained
simulating In2 O3 nanowire transistor with Co − porphyrin
molecules (simulation results: fig.7, experimental data:
Regarding the pseudo-MOS structure used, we integrated
fig.2) and N-doped InP NWFET with Co − phthalocyanine
equations for the modeling of Gate-Source and Gate-Drain
simple MOS capacitor. Their expression is given by equations
(8) and (9).
dVGS
IGS = COx · (8)
dt
dVGD
IGD = COx · (9)
dt
COx is a given parameter of the model under the assumption
that the device is symmetrical.
As previously mentioned, a VHDL-AMS process is in

charge of evaluating the proportion of oxidized/reduced
molecules each time the sign of dV G
dt changes. This calculation Fig. 5. Color. G = V I vs VG for an n-InP NWFET before (green) and after
SD
directly affects the threshold voltage VT . (red) surface modification with CoPc recorded with VSD = 0.1V . Single-headed
arrows show gate sweep directions, and the double-headed arrow indicates a
When VG < VGMAX << 0 then VT = VG . This conditional position of large on/off ratio. Courtesy Lieber et al. [5].
affectation emulates the oxidation of the entire population of
entity NWFET_molecular is
generic(
MAX_REDOX_WRITE_VG: real := -1.97881e+01;
MAX_IDS_VG0: real := -1047.0e-9;
MAX_IDS: real := -1700.0e-9;
VDS_FIXE: real := -0.075;
SEUIL_REDOX: real := 0.9; --- Fe(II)/Fe(III)
MAX_REDOX_ERASE_VG: real := 2.97351e+01;
Coxg: real := 1.17e-16;
NbMolecules: real := 3077.0;
K1: real := 365.0e-9; --- ˜= 1/2.n.Cox.W/L
K2: real := 375.0e-9
);
port(terminal drain, source, gate : electrical);
Fig. 6. VHDL-AMS entity declaration example for a Bis(terpyridine) −

Fe2+ -gated In2 O3 nanowire transistor.
molecules (results not presented, experimental data: fig.5).

Fig. 8. Simulation results of In2 O3 nanowire transistor with
Simulations were performed under Advance MS v4.3 1.4 Bis(terpyridine)−Fe2+ molecules showing IDS (VG ) hysteresis loops obtained
and results were viewed with EZwave v2.4 1.2 (both after sweeping VG to different gate voltage, from 0V to −n ∗ 2.5V , then to
softwares from Mentor Graphics) running on a Linux 10 + n ∗ 2.5V and then back to 0V (n is the index of levels from 2 (the
innermost curve) to 8 (the outermost curve)), with VDS = −0.075V and Source
multiprocessor cluster. Simulation time, usually less than one grounded.
second, could not be benchmarked accurately as only one
transistor was instantiated. Future work will concentrate on
further optimization of the actual model, and will also focus
results were successfully compared to measured data. We
in adding temperature and frequency modeling.
plan to use this model to simulate large scale circuits,
including architecture of multibits per cell (MLC) memories
V. C ONCLUSION and reprogrammable multilevel logic circuits.
In summary, we have presented a generic VHDL-AMS
modeling approach for molecule-gated nanowire field effect R EFERENCES
transistors, combining pseudo-physical equations, empirical [1] C. Li, W. Fan, B. Lei, D. Zhang, S. Han, T. Tang, X. Liu, Z. Liu,
equations and VHDL-AMS processes dealing with chemical S. Asano, M. Meyyappan, J. Han, and C. Zhou, “Multilevel memory
aspects. Three sets of parameters were extracted from based on molecular devices,” Applied Physics Letters, vol. 84, no. 11,
2004.
experimental devices made of different semiconductors [2] K. M. Roth, N. Dontha, , R. B. Dabke, D. T. Gryko, C. Clausen, , J. S.
materials and different molecules. Associated simulation Lindseya, D. F. Bocian, and W. G. Kuhrb, “Molecular approach toward
information storage based on the redox properties of porphyrins in self-
assembled monolayers,” American Vacuum Society, September/October
2000.
[3] Q. Li, G. Mathur, S. Gowda, S. Surthi, Q. Zhao, L. Yu, J. S. Lindsey,
D. F. Bocian, and V. Misra, “Multibit memory using self-assembly of
mixed ferrocene/porphyrin monolayers on silicon,” Advanced Materials,
vol. 16, no. 1, pp. 133–137, January 2004.
[4] R. Stadler, S. Ami, C. Joachim, and M. Forshaw, “Integrating logic
functions inside a single molecule,” Nanotechnology, no. 15, 2004.
[5] X. Duan, Y. Huang, and C. M. Lieber, “Nonvolatile memory and
programmable logic from molecule-gated nanowires,” Nano Letters,
vol. 2, no. 5, pp. 487–490, 2002.
[6] C. P. Husband, S. M. Husband, J. S. Daniels, and J. M. Tour, “Logic and
memory with nanocell circuits,” IEEE transactions on electron devices,
vol. 50, no. 9, September 2003.
[7] C. Li, W. Fan, D. A. Straus, B. Lei, S. Asano, D. Zhang, J. Han,
M. Meyyappan, , and C. Zhou, “Charge storage behavior of nanowire
transistors functionalized with bis(terpyridine)-fe(ii) molecules: Depen-
dence on molecular structure,” J.Am.Chem.Soc., vol. 126, pp. 7750–
7751, 2004.
[8] “Ieee 1076.1 working group: Analog and mixed-signal extensions to
vhdl.” [Online]. Available: http://www.eda.org/vhdl-ams/
[9] C. Li, J. Ly, B. Lei, W. Fan, D. Zhang, J. Han, M. Meyyappan,
M. Thompson, and C. Zhou, “Data storage studies on nanowire transis-
tors with self-assembled porphyrin molecules,” J. Phys. Chem. B, vol.
Fig. 7. Simulation results of In2 O3 nanowire transistor with Co − porphyrin 108, pp. 9646–9649, 2004.
molecules showing IDS (VG ) hysteresis loops obtained after sweeping VG from [10] H. Shichman and D. Hodges, “Modelling and simulation of mos
0V to −5V , then to +5V , and then back to 0V , with VDS = −0.1V and Source insulated-gate field effect transistor switching circuits,” IEEE Journal
grounded. of Solid-State Circuits, vol. SC 3, no. 5, pp. 285–289, 1968.
A Non-Volatile Multi-Level Memory Cell Using
Molecular-Gated Nanowire Transistors
Antoine JALABERT Fabien CLERMIDY Amara AMARA
CEA - LETI CEA - LETI ISEP
Grenoble, France Grenoble, France Paris, France
antoine.jalabert@cea.fr fabien.clermidy@cea.fr amara.amara@isep.fr
Abstract— A novel Multi-Level memory Cell (MLC) using molecules, above a semiconductor nanowire, as a charge
molecular-gated nanowire field effect transistors (MG-NWFET) trapping gate. Mainly to prevent damaging molecules, most
is presented. This new memory point, technologically homo- of today’s published experimental devices are built on a
geneous, can store a multivalued information within a highly
compact and scalable structure. Using a previously presented pseudo-MOS structure [2] [3] [5]. Figure 1 illustrates the
electrical modeling of a MG-NWFET, simulation results demon- structure of such a device. Lieber et al. in [5] first proposed an
strate the potential of such memory cell for non-volatile, ultra- electro-chemical explanation of the unique/specific hysteresis
dense and low-cost memories. behavior of the MG-NWFET, pointing out the fundamental
role of redox molecules. When applying a negative potential
I. I NTRODUCTION between the Back-Gate and Source or Drain (VDS has to
be low), the nanowire band is raised, which depletes the
During the last few decades, the memory market share major carriers in the semiconductor nanowire, and hence
(MOS Memory, DRAM, Flash) has expanded in a continuous oxidizes part or all of the redox molecules population.
way to become the number one revenue for the semiconductor Positively charged molecules act as a positive chemical gate
industry. On-chip, especially for processor ICs, the memory allowing the NWFET to be turned on at a high negative
area has also dramatically increased to now represent more back-gate voltage. Conversely, a high positive bias leads to
than 70% of the total chip area. According to the ITRS [1] the reduction of redox molecules, inducing a compensating
there is no reason to expect the tendency to be reversed, negatively charged gate, thus shifting back the VT to a
embedded memory is forecasted to represent 90% of total area more positive value. Meyyappan et al. later reported in a
usage in 2011. These figures clearly point out the strategic study on a family of Bis(terpyridine) − Fe2+ molecules [6]
aspect of the memory market. the major influence of the ligand (between the nanowire
Based on molecular scaled devices combining both MOS- and the molecule) on charge retention and VT range shift
FET functional behaviors and a programmable floating gate, capability. From a functional point of view, a MG-NWFET
molecular-gated nanowire field effect transistors are promising can be written in a state by applying a negative VG pulse
candidates that could well revolutionize tomorrow’s memories (oxidization of the population of molecules), read by sensing
[2] [3] [4]. Very high density could be one of the key the current under a fixed VDS bias with VG = 0V and erased
advantages of this new technology along with an efficient by applying a large positive VG pulse (reduction of the
cost reduction thanks to the use of chemically self-assembled molecules population).
molecules in a bottom-up approach.
In this paper we propose a compact non-volatile multilevel
memory cell, based on molecular-gated nanowire field effect Oxide
transistors. In a first part, the molecular-gated nanowire S D Metal
transistor device and its VHDL-AMS modeling is briefly Nanowire
presented, before discussing its possible integration in a CG Control back gate
memory array. As a consequence, the multilevel memory cell Molecules
structure is described in a second part. Finally, we conclude
Fig. 1. (Color) Pseudo-MOS structure of a gated-molecule nanowire
and discuss a starting point for fault-tolerant molecular transistor
memory architecture explorations.
In a previous paper [7] we presented a compact modeling

II. M OLECULAR - GATED NANOWIRE TRANSISTORS AND using VHDL-AMS (IEEE 1076.1) [8] analog and digital
MODELING
capabilities. For clarity of the present paper, the main points
Molecular-gated nanowire transistor is a new class of are now reminded. This modeling combines pseudo-physical
electro-chemical devices that uses a self-assembled layer of equations, empirical equations and VHDL-AMS processes
IDSmax ruin the advantages of using molecular-scaled devices and it
m
− (VG −VGSat )
IDS
IDSmax −IDS
(IDSmax − IDSSat ) 1 − e Sat + IDSSat would also greatly increased the complexity of fabrication of
such hybrid cells. In the second part of this paper, we present
IDSSat the structure of a compact and technologically homogeneous
memory cell.
2
VDS
K1 (VG −VT )VDS − 2
III. T HE CELL STRUCTURE

The proposed cell structure, as illustrated by figure 3,
VGSat
is composed of two MG-NWFETs serially connected. The
VGMAX
first one acts as an access transistor (A1) while the other

one is used as a multivalued storage memory point (M1).
2
VDS
K2 (VG −VT )VDS − 2 The (A1) transistor is programmed in its least resistive state
0
in the case of a read access and it is programmed in its
0 VT for dVG
<0
VT for dVG
>0 dt VG most resistive state for other operations. The (M1) transistor
dt
is used to store a multivalued information coded on the
Fig. 2. (Color) Summary of electrical equations used to model molecular- number of distinguishable conduction level of its channel
gated nanowire transistors. Inner curves (in gray) show examples of sweeping
VG to different values. Details can be found in [7]
at VGS = 0V . Experiments have shown that at least 8 levels
(3 bits) could be done. Simulation of this cell shows that
4 bits (16 different resistive states) could be possible, thus
increasing one step further the density. The first advantage of
capable of dealing with the common characteristics shared such a structure compared to a MOS-like access transistor
between molecular-gated nanowire transistors such as, IDS is that the dimension of the entire cell is molecular-scaled.
versus VG electrical hysteresis behavior and variable VT Obviously, the other key advantage resides in the possibility
threshold as a function of the population of oxidized/reduced of minimizing the number of fabrication steps and the use
molecules. Because the model has to be accurate, functional of the same molecular electronics technology. This aspect,
and fast, ab initio methods and other computations of mainly responsible for the cost of an integrated circuit, lets
molecular structure approach, are not suited at all. considering the possibility to fabricate entire memory arrays
thanks to chemical processes relatively not costly, surrounded
The core of the model is divided in two parts. The first at the interfaces by CMOS circuits.
one computes the IDS current depending on the back gate
potential VG , while the second one evaluates the proportion
ReadDataLine
of oxidized/reduced molecules, thus determining the VT of
the transistor. This modeling reproduces molecular-gated
nanowire transistors electrical behaviors. Examples can be WordLine
found in the following papers: In2 O3 semiconductor nanowire
with Bis(terpyridine) − Fe2+ molecules [2] [6], In2 O3
semiconductor nanowire with Co − porphyrin molecules [9]
A1
and N-doped InP nanowire with cobalt − phthalocyanine
molecules [5]. Figure 2 presents the different equations
used to describe IDS (VG ) electrical characteristics. IDS (VG ) M1
simulation results [7] of the different MG-NWFET show very
VS
good accordance compared to experimental data.
MG-NWFETs present characteristics that turn them into WriteDataLine

very good candidates for multilevel information storage mem-
Fig. 3. The proposed memory cell composed of two molecular-gated
ory point. The ability to modulate the VT threshold thanks to nanowire field effect transistors serially connected
VG pulses of different lengths or amplitudes allows multiple
different resistive states, their number being only limited by
the precision of the read sense amplifier. The figure 4 illustrates two different layout examples
However, the main difficulty of integrating such devices of such a simple structure. On the left a planar layout is
into a memory array architecture is that there is no blocked represented, which shows an area of 0.04µm2 , according to
state (”OFF” state) without loss of information (the previous experimental data [2], and is able to store 3 or even 4 bits
resistive state). In other words, as each device programmed of information. More prospective and more ambitious, the
in a resistive state is normally ”ON”, an access transistor right illustration shows a proposition that exploits the third
is needed. Obviously, integrating a MOS-type device would dimension that could drastically enhanced the density far
Oxyde VD
WordLine
Grille ROFF
2µm RD
Electrode
ReadDataLine
Nanofil RON
Nanowire ReadDataLine 2µm RGAcc
VGAcc
WordLine VS 20nm
z WriteDataLine A1
y VS
y x
M1
z x WriteDataLine 20nm
RS
VS
Fig. 4. (Color) Left. Possible 2D layout of the presented cell. Right.
Example of 3D integration of the proposed cell. Dimensions are given based
on experimental devices [2]
RGPt
beyond the ITRS forecasts [1]. Indeed, the cell itself would VGPt
occupy an area of only 400nm2 , the largest size of the cell

Fig. 6. Schematic test circuit for the multilevel cell.
(the length of the nanowire covered by molecules) being
pushed in the 3rd dimension. Moreover, with the length of
the nanowire (2µm) not anymore being a constraint for the
density, one can imagine increasing its length to have more UPASS (allowing the access transistor to be ”ON”), it programs
molecules on its surface and, as a consequence, probably the (A1) MG-NWFET in its least resistive state. Accordingly,
multiplying the number of distinguishable states. Finally, when applying this voltage value to the memory transistor
figure 5 illustrates an array composed of twelve of these (M1), the highest storable value, 7 in our case study, is
3D cells vertically aligned which demonstrates that 36 bits set. It should be stressed that the 4ns delay chosen for
(48 bits with 4 bits per cell) could be stored on an area of the simulation sequences does not reflect any performance
0.014µm2 . indication (frequency of operation). In the three basic
commands, erase, write (fig.7) and read (fig.8), it is assumed
From a functional point of view, the circuit used to test that at the beginning of each sequence, the access transistor
the cell is illustrated by figure 6. The execution of a standard (A1) is always in its ”OFF” state (highly resistive, i.e IDS = 0A
memory command (read, write or erase) consists in opening for VGS = 0V ). Conversely, at the beginning of a sequence,
or closing different switches (RD , RGAcc , RS and RGPt ) and in the storage transistor (M1) is always supposed to be in a
controlling the different voltage sources (VD , VGAcc , VS and non-highly-resistive state, that is, for VGS = 0V and VDS 6= 0V ,
VGPt ). Simulation of the cell is performed using our generic IDS 6= 0A.
modeling [7] parametrized as a Bis(terpyridine) − Fe2+ -
gated In2 O3 nanowire transistor. The complete study of the The memory point erase command sequence and the mem-
experimental device can be found in [2]. The variables and ory point write command sequence (fig.7) are closely related,
parameters used for the simulation of the different sequences the main difference being the voltage source VGPt applied
for the chosen device are given in table I. Execution of each to the back gate of the (M1) storage transistor. Due to
command is realized by an asynchronous states machine limited place, we will not detail the erase command sequence
coded in VHDL-AMS. flowchart. Before any write command, an erase command has
to be done in order to reduce all the molecules of the transistor
It should be noted that when applying the voltage source back to an highly resistive state. Specific writing conditions
are needed on RS and RGAcc . When selecting an address (a
TABLE I
VARIABLES AND PARAMETERS USED FOR THE SIMULATION OF THE
DIFFERENT READ , WRITE AND ERASE SEQUENCES
Variable Value
ULO 1.0e−6V
UREAD 0.75V
UERASE 30.0V
UPASS −20V
UPROG −n ∗ 2.5V with 1 ≤n≤ 8
RON 10.0Ω
Fig. 5. (Color) Illustration of a 3D integration and vertical alignment of 12
ROFF 1.0e9 Ω
cells capable of storing at least 36 bits on an area of only 0.014µm2 .
Delay 4ns
row in the memory array), the corresponding RS and RGAcc cell. The memory point performs as expected, the 8 different
have to be set to RON , while for all other rows, they must be resistive states can easily be distinguished from one another
set to ROFF . with around 400nA between each corresponding sensed cur-
rent. Due to bottom-up fabrication approach, variability of this
RS = RON
VS = ULO
kind of memory cell is a probable issue. That is why, further
RD = ROFF memory exploration have been realized, simulating a physical
VD = ULO
RGAcc = RON array of 256 rows with 10 cells per row and 4 bits per cell (vir-
VGAcc = ULO tual size 256x40bits). We use a VHDL-AMS code generator
RGPt = RON
VGPt = UPROG written under MATLAB to apply a variation on the generic
Delay parameters of the 5120 transistors composing the memory
array. Although simulation results show that all operations
VGPt = ULO
are perfectly working, simulation time increases drastically;
Delay 3 command sequences (erase/write/read) take about 1 hour
RD = RON
on an Opteron SUN work station (64bits/2GHz/2GB). As a
consequence, in a future work, we will develop a functional
Fig. 7. Flowchart of the write command sequence. (A1) access transistor is
macro-model of the cell for dispersion and fault tolerant
”OFF”, (M1) storage transistor is programmed. memory architecture exploration.
IV. C ONCLUSION
The read command sequence detailed by the flowchart We have proposed a novel memory cell composed of two
(fig.8) requires more cycles to be completed because it first identical, serially connected, molecular-gated nanowire field
needs to set ”ON” the access transistor. Conversely, it also effect transistors capable of storing a multivalued information
needs to set back ”OFF” the (A1) transistor after the fixed within a highly compact structure. We have also shown some
voltage (UREAD ) current sensing phase. possible high density 2D and 3D layout of the proposed
cell. Using a previously developed electrical modeling of
RS = RON a MG-NWFET, we have also presented a methodology to
VS = ULO write and read such a cell and the potential of the associated
RD = RON
VD = ULO memory arrays for non-volatile, ultra-dense and low-cost
RGAcc = RON
VGAcc = UPASS Access memories.
RGPt = ROFF transistor
VGPt = ULO
is ”ON”
Delay R EFERENCES
[1] “http://www.itrs.net/common/2005itrs/home2005.htm.”
VGAcc = ULO
[2] C. Li, W. Fan, B. Lei, D. Zhang, S. Han, T. Tang, X. Liu, Z. Liu,
Delay S. Asano, M. Meyyappan, J. Han, and C. Zhou, “Multilevel memory
based on molecular devices,” Applied Physics Letters, vol. 84, no. 11,
RGPt = RON 2004.
[3] K. M. Roth, N. Dontha, , R. B. Dabke, D. T. Gryko, C. Clausen, , J. S.
Delay Lindseya, D. F. Bocian, and W. G. Kuhrb, “Molecular approach toward
information storage based on the redox properties of porphyrins in self-
UD = UREAD assembled monolayers,” American Vacuum Society, September/October
Delay Current 2000.
sensing [4] Q. Li, G. Mathur, S. Gowda, S. Surthi, Q. Zhao, L. Yu, J. S. Lindsey,
UD = ULO D. F. Bocian, and V. Misra, “Multibit memory using self-assembly of
mixed ferrocene/porphyrin monolayers on silicon,” Advanced Materials,
Delay vol. 16, no. 1, pp. 133–137, January 2004.
[5] X. Duan, Y. Huang, and C. M. Lieber, “Nonvolatile memory and pro-
RGPt = ROFF grammable logic from molecule-gated nanowires,” Nano Letters, vol. 2,
VGAcc = UERASE no. 5, pp. 487–490, 2002.
Delay Access [6] C. Li, W. Fan, D. A. Straus, B. Lei, S. Asano, D. Zhang, J. Han,
transistor M. Meyyappan, , and C. Zhou, “Charge storage behavior of nanowire
UGAcc = ULO is ”OFF” transistors functionalized with bis(terpyridine)-fe(ii) molecules: Depen-
dence on molecular structure,” J.Am.Chem.Soc., vol. 126, pp. 7750–7751,
Delay 2004.
[7] A. Jalabert, F. Clermidy, and A. Amara, “A generic modeling approach
RGPt = RON for molecule-gated nanowire transistors using vhdl-ams,” IEEE PRIME
[8] “Ieee 1076.1 working group: Analog and mixed-signal extensions to
Fig. 8. Flowchart of the read command sequence. (A1) access transistor is
vhdl.” [Online]. Available: http://www.eda.org/vhdl-ams/
”OFF”, (M1) storage transistor is programmed.
[9] C. Li, J. Ly, B. Lei, W. Fan, D. Zhang, J. Han, M. Meyyappan,
M. Thompson, and C. Zhou, “Data storage studies on nanowire transistors
with self-assembled porphyrin molecules,” J. Phys. Chem. B, vol. 108,
Using a dynamic of 8 resistive states (3 bits), simulation of pp. 9646–9649, 2004.
multiple erase/write/read sequences have been done on a single

These Jalabert Full LR

Transféré par

Informations du documentcliquez pour développer les informations du document

Informations du documentcliquez pour développer les informations du document

Droits d'auteur :

Formats disponibles

These Jalabert Full LR

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

These Jalabert Full LR

Transféré par

Droits d'auteur :

Formats disponibles

Architecture de mémoire haute densité à base

d’électronique moléculaire tolérante à un très grand

To cite this version:

HAL Id: pastel-00002014

HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

devant l’Ecole Nationale Supérieure des

le grade de : Docteur de l’Ecole Nationale Supérieure des

Équipe d’accueil : CEA - LETI

Architecture de mémoire haute densité à base d’électronique

À soutenir le 9 novembre 2006 devant la commission d’examen

M. : Robert Baptist Président

Je remercie en premier lieu MM. Hervé Fanet et Jean-René Lequepeys pour la

Enfin, il me tient à cœur de remercier spécialement ma pacsée préférée, Mlle Anne

Table des matières i

1 Les matériaux de l’électronique moléculaire 9

2 Les architectures de l’électronique moléculaire 39

3 Les points mémoires 79

4 Modélisation du transistor moléculaire NW-FET 89

5 Présentation de la cellule mémoire moléculaire 105

6 Architecture tolérante aux dispersions technologiques 117

B Exemples de code 147

C Résultats de simulation 151

Table des figures 167

No one expects conventional silicon-based micro-electronics to continue fol-

Au delà de l’aspect prophétique de ces quelques lignes sur l’évolution technique

Ainsi, de simples limitations au niveau de la physique fondamentale commencent à

Ainsi, les nouvelles approches inaugurées par l’électronique moléculaire du type

Objectif et originalité de la démarche

L’objectif de ces travaux est de proposer une architecture de mémoire tolérante à

L’originalité de la démarche se fonde sur la mise en place d’une méthodologie prag-

de modèle de composant peuvent subir des variations. Différentes techniques visant à

La deuxième partie reprend quant à elle la structure de la méthodologie évoquée

Les matériaux de l’électronique

Finalement, pour se donner une idée de l’incroyable inventivité et de la large éten-

1.1 Les nanofils

1.2 Transistor à nanofil semiconducteur recouvert de mo-

1.2.1 La molécules de bis(terpyridine) − F e2+

D’après [SCG+ 94][MA96][DBSA01], la structure en coordination octahédrale de

(a) [LFS+ 04] : Molécule de (b) Ligand utilisé

1.2.2 Fabrication du transistor NW-FET à grille flottante molécuaire

Fig. 1.3 – [LLL+ 04] : Procédé de fabrication du NW-FET moléculaire

1.2.3 Analyse des caractéristiques du transistor

Des mesures de voltamétrie cyclique ont révélé la présence de cycles d’hystérésis

Fig. 1.6 – [LFL+ 04] : Caractéristiques électriques du transistor moléculaire, (a)

La Figure1.6.(a) représente les cycles d’hystérésis du courant IDS en fonction de VGS

−12.5, −15, −17.5 et −20V . Ce qui donne respectivement, la conductance de l’état le

Résistance du canal (Ω) pour VGS = 0 VP U LSE (V ) Etat

Tab. 1.1 – Différents niveaux de résistivité du canal

1.2.4 Phénomènes physiques, électroniques et électro-chimiques

D’autre part, VGS étant ramené à 0V , c’est la charge moyenne de la population

teur, modulant ainsi la tension de seuil de conduction VT et donc le courant traversant le

1.2.5 Commentaires à propos du transistor NW-FET moléculaire

Ce transistor NW-FET moléculaire, bien que toujours à l’état de prototype de la-

A la lecture approfondie des différentes publications relatives à ce transistor [LFL+ 04]

nution du nombre d’états exploitables du transistor, à la condition que les circuits

Nombre d’état ≤ Nombre de molécule · nombre d’états d’oxydo-réduction (1.1)

1.3 Les nanotubes de carbone

1.3.1 Qu’est-ce qu’un nanotube de carbone ?