Offre de thèse
Oscillateurs Spintroniques à Dynamiques Complexes pour la Génération de Nombres Aléatoires et les Communications Sécurisées
Date limite de candidature
08-06-2025
Date de début de contrat
01-10-2025
Directeur de thèse
JOVANOVIC Slavisa
Encadrement
Les modalités d'encadrement pendant la durée du projet doctoral sont les suivantes selon les années: - 1ère année - suivi hébdomadaire avec les encadrants et mensuel avec le consortium PEPR SPIN - 2ère et 3ème année - suivi 2 fois par mois avec le suivi mensuel avec le consortium PEPR SPIN Etant donné le caractère multidisciplinaire du projet, le candidat sera encouragé à suivre des formations en accord avec les champs disciplinaires du projet PEPR SPIN, pas nécessairement proposées dans l'offre de formation de l'école doctorale IAEM.
Type de contrat
école doctorale
équipe
DEPARTEMENT 4 - N2EV : 406 - Mesures et architectures électroniquescontexte
This PhD thesis will take place at IJL (https://ijl.univ-lorraine.fr), in the Measure and Electronic Architectures (MAE) team (Department 4, Team 406) which conducts research on hardware architectures and accelerators for neuromorphic and neural networks and in the Spin Team (Depart- ment 1, Team 101), whose research topics are centered on nanomagnetism and spintronics.spécialité
Systèmes électroniqueslaboratoire
IJL - INSTITUT JEAN LAMOUR
Mots clés
Dynamique complexe, Spintronique, Réseaux de neurones récurrents , Modélisation
Détail de l'offre
Le traitement des données au niveau edge, ainsi que leur communication sécurisée sont des concepts étroitement liés, qui constituent des défis cruciaux pour les technologies de l'information. La communication sécurisée des données peut être garantie par le pré-traitement des données au niveau local et l'envoi uniquement des données traitées, ou par le cryptage des données avant la transmission, ainsi que par l'utilisation d'un signal porteur crypté.
Pour renforcer la sécurité, les trois moyens peuvent être employés. Les schémas de cryptage correspondants doivent être flexibles et robustes, ce qui peut être assuré par des générateurs de nombres aléatoires véritables (TRNG), car ils utilisent des processus aléatoires, complexes et imprévisibles d'un système physique (par opposition aux nombres pseudo-aléatoires générés par logiciel). Les processus physiques sous-jacents sont le bruit thermique ou le chaos. Une propriété physique clé des oscillateurs à transfert de spin (STNO) est que la dynamique de l'aimantation est intrinsèquement non linéaire et donc susceptible de produire des signaux complexes dans des conditions appropriées. Cependant, ces propriétés restent largement inexplorées, en particulier pour les dispositifs STNO dans des boucles de rétroaction ou couplés entre eux. L'avantage de tels systèmes spintroniques est leur faible dimension et la possibilité de contrôler leurs propriétés dynamiques par des paramètres de contrôle externes (courant ou champ magnétique). En même temps, la possibilité de définir de nouvelles approches de pré-traitement et le traitement des données au niveau local (acquises
par un capteur par exemple), basés sur des dynamiques transitoires, non linéaires et/ou chaotiques de STNO couplés, ou soumis à une rétroaction, sont des pistes d'exploration pour proposer des nouveaux support de calcul à faible consommation.
Le premier objectif du doctorat proposé est de poursuivre le travail initié par A. Rida Ismail qui a étudié pendant sa thèse de doctorat l'utilisation des STNO en régime chaotique pour la génération de nombres aléatoires. Ce travail a conduit à la proposition d'un concept basé sur la numérisation du signal analogique produit par le STNO, suivi de l'utilisation de dérivées successives. Les tests préliminaires
utilisant des traces temporelles de STNO simulées ont validé l'approche. La première année du programme de doctorat sera consacrée à la validation de cette approche sur des traces temporelles expérimentales obtenues sur différents types de STNO présentant des dynamiques complexes, et à son optimisation en vue de construire un démonstrateur de laboratoire. C'est un objectif incrémental et à
faible risque, qui permettra au doctorant de communiquer rapidement ses résultats scientifiques, lui laissant la liberté de poursuivre ses recherches dans une direction plus exploratoire.
Le deuxième objectif n'est pas fixé, dans le sens où l'étude de différents aspects des dynamiques complexes des STNO, dans le contexte des transmissions sécurisées de données, pourra être envisagée en fonction des intérêts du candidat. Ces possibilités s'étendent, d'une part, à l'étude des propriétés de couplage des STNO en régimes chaotiques ou quasi-chaotiques, soit via une boucle
de rétroaction, soit via le couplage entre deux STNO. D'autre part, le développement de modèles basés sur l'utilisation de l'IA (et plus particulièrement des réseaux neuronaux récurrents) pour étudier et classifier les signaux en fonction de leur complexité et de leur nature, ce qui implique d'adapter les métriques existantes aux modèles proposés ou d'en définir de nouvelles.
Keywords
Complex dynamics, Spintronics, Recurrent neural networks, Modeling
Subject details
Pre-processing and processing of data at the node (edge computing), and secure communication of data are closely entangled concepts, which are crucial challenges for information technology. Secure data communication can be guaranteed by preprocessing the data at the edge and communicating only processed data, or by encryption of data before transmission as well as by using an encrypted carrier signal for data transmission. To enhance security all three means can be employed together. The corresponding encryption schemes need to be flexible and robust which can be provided by true random number generators (TRNG) since they make use of random, complex and unpredictable processes of a physical system (as opposed to software-generated pseudo-random numbers). Underlying physical processes are thermal noise or chaos. A key physical property of Spin Torque Nano Oscillators (STNOs) is that the magnetization dynamics is inherently non-linear and therefore susceptible to produce chaotic signals under appropriate conditions. However, these properties remain largely unexplored, in particular for delayed feedback and synchronized or coupled STNO devices. The advantage of such magnetic systems is their small size and the possibility to control the probabilities and dwell times by external control parameters (current or magnetic field). At the same time, the possibility to define new schemes for pre-processing and processing data at a node (acquired by a sensor for example), based on transient, non-linear and/or chaotic dynamics of coupled, synchronized or delayed feedback STNOs will be explored as routes for a novel, low-power computing hardware. The first objective of the proposed PhD is to pursue the work initiated by A. Rida Ismail who studied during his doctoral thesis the use of STNO in chaotic regime for the generation of random numbers. This work led to the proposal of a concept based on the digitization of the analog signal produced by the STNO, followed by the use of successive derivatives. Preliminary tests using simulated STNOs time traces have validated the approach. The first year of the PhD program will be devoted to validating this approach on experimental time traces obtained on different types of STNO exhibiting complex dynamics, and to optimizing it with a view to building a tabletop demonstrator. It's an incremental, low-risk objective, which will enable the doctoral student to have a scientific communication quickly, leaving him or her free to pursue his or her research in a more exploratory direction. The second objective is not fixed, i.e. the study of different aspects of the complex dynamics of STNOs, in the context of secure data transmissions, can be envisaged according to the candidate's interest. These possibilities extend, on the one hand, to the study of the coupling properties of STNOs in chaotic or quasi-chaotic regimes, either via a feedback loop, or via the coupling between two STNOs. On the other hand, the development of models based on the use of AI (and more particularly recurrent neural networks) to study and classify signals according to their complexity and nature, which involves adapting existing metrics to the proposed models or defining new ones.
Profil du candidat
Niveau d'études souhaité : Master en électronique, physique ou ingénierie
Le futur candidat devra posséder les compétences suivantes :
• Connaissances en dynamiques non linéaires
• Bon niveau en mathématiques obligatoire
• Bon niveau en programmation est attendu (C/C++, Python)
• Bonne maîtrise de l'anglais (oral et écrit) est obligatoire, des connaissances de base en français seraient un avantage
• Forte motivation pour la recherche et le développement
Candidate profile
Desired level of education: Master's degree in Electronics, Physics or Engineering
The future PhD candidate should have the following skills:
• knowledge in non-linear dynamics
• good level in math is mandatory
• good level of programming skills are expected (C/C++, Python),
• good knowledge of English (oral and written) is mandatory, basic knowledge of French would
be an advantage,
• high motivation for research and development.
Référence biblio
[1] PEPR. Spincom project webpage. https://www.pepr-spin.fr/projet/spincom/, 2024. Accessed: 2024-07-22.
[2] Sebastien Petit-Watelot, Joo-Von Kim, Antonio Ruotolo, Ruben M Otxoa, Karim Bouzehouane, Julie Grollier, Arne Vansteenkiste, Ben Van de Wiele, Vincent Cros, and Thibaut Devolder. Commensurability and chaos in magnetic vortex oscillations. Nature Physics, 8(9):682–687, 2012.
[3] Ali Rida Ismail. Commensurable and Chaotic Nano-Contact Vortex Oscillator (NCVO) study for information processing. PhD thesis, Université de Lorraine, 2022. Thèse de doctorat dirigée par Rabah, Hassan et Jovanovic, Slavisa Systèmes électroniques Université de Lorraine 2022.
[4] Jérémy Létang, Sébastien Petit-Watelot, Myoung-Woo Yoo, Thibaut Devolder, Karim Bouzehouane, Vincent Cros, and Joo-Von Kim. Modulation and phase-locking in nanocontact vortex oscillators. Physical Review B, 100(14):144414, 2019.
[5] Ali Rida Ismail, Slavisa Jovanovic, Sébastien Petit-Watelot, and Hassan Rabah. Detection of chaos using reservoir computing approach. IEEE Access, 10:52686–52699, 2022.
[6] Myoung-Woo Yoo, Damien Rontani, Jérémy Létang, Sébastien Petit-Watelot, Thibaut Devolder, Marc Sciamanna, Karim Bouzehouane, Vincent Cros, and Joo-Von Kim. Pattern generation and symbolic dynamics in a nanocontact vortex oscillator. Nature Communications, 11(1):601, 2020.