Froggy simule déjà la prochaine machine ! Y.M. Niquet,1 F. Triozon,2 I. Duchemin1, D. Rideau3 1 CEA Grenoble, INAC, SP2M/L_Sim, France 2 CEA Grenoble, LETI-MINATEC, France 3 ST Microelectronics, Crolles, France

Le transistor MOS Lg I Principe : Contrôler le courant I entre le contact « source » et le contact « drain » à l’aide de l’électrode de « grille ». La grille attire ou repousse les électrons dans le « canal » entre la source et le drain, agissant ainsi sur le courant. Le transistor MOS transistor fonctionne comme un interrupteur contrôlé par la grille  Bit 0/1. La taille du transistor MOS transistor est caractérisée par sa longueur de grille Lg.

Anatomie de la grenouille Froggy est une grenouille… pas comme les autres…

Anatomie de la grenouille Froggy est une grenouille… pas comme les autres… Intel E5-2670 (Sandybridge) 2.6 Ghz 64 GB RAM Infiniband FDR Refroidissement par eau Rack Système de fichiers LUSTRE GPU Nvidia K20 + Alimentation électrique

Anatomie de la grenouille

Anatomie de la grenouille 136 processeurs Intel Xeon E5-2670 @ 2.26 GHz (Sandy Bridge).

Anatomie de la grenouille 8 cœurs (unités de calcul) par processeur.

Anatomie de la grenouille Environ 2 500 000 000 transistors/processeur.

Contexte Loi de Moore : Le nombre de transistors sur un processeur double tous les ~1.5 ans. Longueur de grille de la technologie Sandy Bridge d’INTEL (Froggy) : 32 nm. Longueur de grille de la technologie Ivy Bridge d’INTEL : 22 nm. Et après ? (16 nm ? 10 nm ? 5 nm ?) Source : IMEC

Un vrai challenge pour les matériaux et la technologie Source : Intel Introduction de nouveau matériaux : Silicium contraint, « High- », … Vers le transistor 3D !

Vers les architectures 3D Transistor 2D Transistor « Tri-gate » 3D Lg Le contrôle du courant par la grille devient difficile lorsque Lg <20 nm. Meilleur contrôle par la grille (meilleur interrupteur !)

Et à Grenoble ? ST Microelectronics est lui aussi engagé dans cette course, en particulier sur le segment de la téléphonie mobile (processeurs ARM basse consommation & RF).

Pour résumer… Transistor « Tri gate » Transistor 2D Lg I 10nm Transistor 2D Lg I Tendances CMOS : Améliorer performances et intégration des dispositifs en diminuant la longueur de grille Lg (~20 nm aujourd’hui). Changement de dimensionnalité : Transistor « Bulk »  FDSOI (films)  Trigate (fils) Corrections quantiques  Introduction de nouveaux matériaux : Oxydes « high- » HfO2… Canaux SiGe, III-V, MoS2… Nouveaux paradigmes : Electronique de spin, électronique moléculaire…

Défis Transistor « Tri gate » Transistor 2D Lg I Défis : 10nm Transistor 2D Lg I Défis : Technologiques : Synthèse et procédés matériaux. Caractérisation. Conceptuels : Physique de plus en plus complexe, non classique. Beaucoup de questions restent ouvertes.

Enjeux pour la simulation Transistor « Tri gate » 10nm Transistor 2D Lg I Enjeux : La modélisation doit permettre de : Comprendre/anticiper la physique des dispositifs. Faire le tri parmi les options architectures/matériaux. Optimiser les dispositifs. « Caractérisation par la simulation »…

Problématiques La simulation n’est plus suffisamment quantitative pour être emmenée sur des terrains peu ou pas explorés.

Problématiques La simulation n’est plus suffisamment quantitative pour être emmenée sur des terrains peu ou pas explorés. Vg I Vds

Problématiques La simulation n’est plus suffisamment quantitative pour être emmenée sur des terrains peu ou pas explorés. ––– Exp. (Uchida 2002)

Problématiques La simulation n’est plus suffisamment quantitative pour être emmenée sur des terrains peu ou pas explorés. Les méthodes « semi-classiques », calibrées à t = 7 nm, sont incapables de rendre compte des tendances pour t = 4 nm et t = 2.6 nm. ––– Exp. (Uchida 2002)  « Kubo Greenwood »

Solutions Développer un code : Basé sur la mécanique quantique. Capable de décrire des matériaux complexes. « Multi-échelles » : Description milieux continus/atomistique.

Structural properties Tight-binding and k.p hamiltonians Le code Structural properties (geometry optimization, symmetries...) Tight-binding and k.p hamiltonians 3D Poisson solvers Optical properties (oscillator strengths, polarizations, ...) Transport properties (Kubo, Landauer, NEGF) Ab-initio data Self-consistency Code liaisons fortes/k.p développé au CEA Grenoble. Couplé aux codes ab initio ( ). Adapté aux infrastructures de calcul hautes performances.

Prix Bull Fourier 2012 Simulation des propriétés électriques des transistors de prochaine génération sur GPU (code « TB_Sim ») Source Drain Grille Nanofil Si Ids Y.M. Niquet (CEA/INAC), F. Triozon (CEA/LETI) & C. Delerue (CNRS/IEMN Dept ISEN) QUASANOVA

Mobilité dans les films de Si « Fonctions de Green hors-équilibre » pour le transport quantique. ––– Exp. (Uchida 2002)  « Kubo Greenwood »

Mobilité dans les films de Si « Fonctions de Green hors-équilibre » pour le transport quantique. Les fonctions de Green reproduisent les tendances pour t arbitraire, à l’inverse des méthodes semi-classiques. ––– Exp. (Uchida 2002)  « Kubo Greenwood » – – NEGF

Mobilité dans les films de Si « Fonctions de Green hors-équilibre » pour le transport quantique. SiO2 Oxyde SiO2

Mobilité dans les films de Si « Fonctions de Green hors-équilibre » pour le transport quantique. Physique encore largement controversée… Modélisation en cours avec ST Microelectronics (ANR Quasanova)… et des résultats probants! HfO2 SiO2 -20/30% mobilité ! Oxyde SiO2/HfO2

Conclusions Les outils type TB_Sim ont montré leur potentiel et sont destinés à intégrer la chaîne de simulation en microélectronique : Ils nécessitent des moyens de calculs adaptés tels que ceux de la plateforme CIMENT. L’accès à des moyens de calcul hautes performances représente un enjeu stratégique pour la recherche scientifique. Environ 850 000 h de calcul sur Froggy (1024 à 2048 cœurs). Accès GENCI/PRACE. Simulation matériaux ab initio Simulation transport quantique Simulation semi- classique TCAD