Thèse Système de Capteurs de Gaz Multiplexés Intégré en Technologie Cmos pour la Mesure en Temps Réel de la Qualité de l'Air H/F - Doctorat.Gouv.Fr

Établissement : Université Grenoble Alpes École doctorale : EEATS - Electronique, Electrotechnique, Automatique, Traitement du Signal Laboratoire de recherche : Laboratoire des Technologies de la Microélectronique Direction de la thèse : Bassem SALEM ORCID 0000000180383205 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-05-31T23:59:59 Le projet proposé s'appuie sur des travaux de recherche initiés entre le CNRS et STMicroelectronics pour le développent de capteurs électrochimiques sur CMOS. La thèse s'inscrit dans la continuité des travaux sur la démonstration de capteurs GasFETs fonctionnels intégrés sur une technologie industrielle CMOS FDSOI 28 nm pour la détection sélective de CO2 et de NO2. Le sujet de thèse propose le développement d'un procédé de cointégration de capteurs GasFETs dans un système multiplexé pour les mesures en temps réel de qualité de l'air.
L'objectif de la thèse est de développer et d'étudier un système de capteurs multiplexés et communicant intégrant la mesure de température, et du taux d'humidité (RH) à la détection simultanée de CO2 et de NO2 et de composés organiques volatils (NH3). Le système proposé associera plusieurs capteurs sélectifs aux polluants ciblés dans une approche System in Package (SiP). Les principales figures de mérites des capteurs seront étudiées finement : sensibilité, limite de détection, réversibilité, plage de détection, sélectivité, temps de réponse, dérive temporelle, durée de vie, consommation d'énergie. Une des priorités concernera la réduction des températures d'opération des capteurs afin de limiter la consommation des systèmes pour répondre aux enjeux de basse consommation et d'autonomie primordiales pour des applications compatibles avec les besoins de l'IoT. La complexité des environnements réels pour les mesures de qualité de l'air nécessite également le développement de systèmes capables d'identifier et de quantifier les concentrations des gaz avec un très bon niveau de sensibilité, de précision et de fiabilité des mesures. La sensibilité et la sélectivité des capteurs sont des verrous importants pour pouvoir réaliser des analyses quantitatives pour chaque polluant en limitant les interférences entre les différents capteurs implémentés. Au-delà des approches technologiques matérielles pour l'amélioration de la précision et de la fiabilité des systèmes de mesures, il est proposé pour ces travaux de thèse de développer des algorithmes d'apprentissage automatique (IA et Machine Learning) pour prendre en compte les phénomènes de dérives et permettre l'auto calibration des mesures. Le contrôle de la qualité de l'air présente aujourd'hui un enjeu majeur compte tenu des forts impacts environnementaux liés aux transports, aux activités industrielles et domestiques [1]. La détection des gaz polluants présente un réel intérêt pour des applications environnementales et pour la santé. Les systèmes conventionnels de détection et d'identification des polluants sont généralement coûteux et encombrants. Dans ce contexte, le développement de systèmes de multi-capteurs embarqués et autonomes présente une alternative intéressante pour le suivi de qualité en temps réel. Selon une étude réalisée par BCC Research, le marché mondial des capteurs était estimé à plus de 190 milliards de dollars en 2021 avec une croissance moyenne de 11%, dont 32,8 milliards associés au seul marché des biocapteurs et des capteurs chimiques. Au cours des dernières décennies, nous assistons à un développement considérable des technologies de capteurs de gaz et des nez électroniques pour de nombreux domaines d'applications. Ces applications concernent notamment la surveillance de la qualité environnementale, le transport et l'industrie. Les avancées scientifiques et technologiques sur les matériaux sensibles jouent un rôle très important dans ce contexte. Le rapport surface sur volume très élevé avec des structures poreuses, en font par exemple d'excellents candidats pour l'adsorption de molécules de gaz [2-9]. Dans le contexte de la diversification de fonctions sur puces, les évolutions des technologies de la microélectronique permettent d'intégrer différentes familles de capteurs associés aux systèmes de traitement et de transmissions de l'information. Dans ce contexte, il a été démontré que des transistors à effet de champ FDSOI combinés à des matériaux sensibles et compatibles avec le Back-End-of-Line (BEOL) peuvent être utilisés comme transducteurs électrochimiques ultra-sensibles et autonomes pour de nouvelles applications aux capteurs environnementaux (10, 11]. L'objectif de la thèse est de développer et d'étudier un système de capteurs multiplexés et communicant intégrant la mesure de température, et du taux d'humidité (RH) à la détection simultanée de CO2 et de NO2 et de composés organiques volatils (NH3). Le système proposé associera plusieurs capteurs sélectifs aux polluants ciblés dans une approche System in Package (SiP). Les principales figures de mérites des capteurs seront étudiées finement : sensibilité, limite de détection, réversibilité, plage de détection, sélectivité, temps de réponse, dérive temporelle, durée de vie, consommation d'énergie. Une des priorités concernera la réduction des températures d'opération des capteurs afin de limiter la consommation des systèmes pour répondre aux enjeux de basse consommation et d'autonomie primordiales pour des applications compatibles avec les besoins de l'IoT. La complexité des environnements réels pour les mesures de qualité de l'air nécessite également le développement de systèmes capables d'identifier et de quantifier les concentrations des gaz avec un très bon niveau de sensibilité, de précision et de fiabilité des mesures. La sensibilité et la sélectivité des capteurs sont des verrous importants pour pouvoir réaliser des analyses quantitatives pour chaque polluant en limitant les interférences entre les différents capteurs implémentés. Au-delà des approches technologiques matérielles pour l'amélioration de la précision et de la fiabilité des systèmes de mesures, il est proposé pour ces travaux de thèse de développer des algorithmes d'apprentissage automatique (IA et Machine Learning) pour prendre en compte les phénomènes de dérives et permettre l'auto calibration des mesures. Programme de recherche et démarche scientifique proposée

Après l'étape de recherches bibliographique et d'appropriation du sujet, le programme de recherche se déclinera en 4 étapes importantes :
- Etape 1 : développement d'un procédé de cointégration de capteurs GasFETs en technologie CMOS FDSOI : cette étape concernera principalement l'intégration des matériaux sensibles déjà étudiés au LTM pour la détection des polluants ciblés. Il s'agira principalement de développer un procédé d'intégration des couches sensibles par impression jet d'encre afin de pouvoir disposer d'une matrice de capteurs miniaturisée.
- Etape 2: Développement d'un système multiplexé et communicant intégrant la mesure de température, et du taux d'humidité (RH) à la détection simultanée des gaz ciblés . La mise en oeuvre du système reposera sur l'utilisation d'une carte à base de microcontrôleur et d'un module de communication sans fil intégré. L'évaluation des propriétés de détection des gaz et de la consommation d'énergie sera réalisée pour l'estimation de l'autonomie des systèmes.
- Etape 3 : Développement d'un algorithme d'apprentissage automatique à partir de la base de données de l'étude et alimentation avec des données publiques et disponibles dans littérature. Le modèle sera d'abord développé en ligne avant d'être réduit et optimisé pour être intégré dans une électronique embarquée intégrant les contraintes de performances mais également d'autonomie énergétiques.
- Etape 4 : Évaluation des performances du système sur des échantillons en conditions réelles.

Le/la candidat-e [Master 2 Recherche ou élève ingénieur-e] devra avoir de bonnes connaissances en technologies de fabrication, capteurs et instrumentation ainsi qu'en algorithmique. Des connaissances de bases en électrochimie seront appréciées.