These Finale Mahjoub Brahim
These Finale Mahjoub Brahim
These Finale Mahjoub Brahim
THESE
Brahim MAHJOUB
Discipline : PHYSIQUE
… Brahim
Le travail exposé dans ce mémoire a été réalisé au laboratoire de Physique
Quantique à la Faculté des Sciences de Monastir.
J’adresse tous mes remerciements aux membres du jury d’avoir accepté d’évaluer
ce travail.
Merci à tous…
Table des matières
I. Motivation.................................................................................................................................... 56
II. Résultats des simulations de la TWD ........................................................................................ 58
II.1. Modèle et paramètres des simulations kMC...............................................................................58
II.2. Mécanismes microscopiques gouvernant les fluctuations des marches : Comparaison entre
deux orientations <100> et <110>....................................................................................................61
II.2.1 Variance de la TWD ......................................................................................................... 61
II.2.2 Constante du temps de relaxation de la TWD ................................................................... 64
II.2.3 Effet de l'anisotropie au bord des marches sur la TWD ..................................................... 67
II.3. Rigidité des marches...................................................................................................................69
II.3.1 Modèle théorique ............................................................................................................. 69
II.3.2 Résultats des simulations de la rigidité des marches ......................................................... 73
III. Effet des interactions NNN sur la TWD - Cas du Cu(100) ...................................................... 76
Table des matières
i
Liste des figures
répulsion entropique ( ρ = 2) (ligne droite), (iii) Distribution pour des interactions répulsives
( ρ = 4 ) (en pointillé). Au coin droit supérieur, image STM de la morphologie d'une surface de Pt
(110) [22].......................................................................................................................................... 36
Figure II.2 : Illustration du modèle du champ moyen d'une marche fluctuante entre deux parois
droites rigides. Les murs (parois) sont distants de 2 < L > . L'amplitude des fluctuations, 2σ , est
proportionnelle à l'amplitude du potentiel [30]. ................................................................................. 38
Figure II.3 : Représentation schématique de la configuration d'une surface vicinale à un instant t. En
ajoutant les interactions NNN, la marche située à la position xi+1, ressent l’effet d’un potentiel dû à
deux marches situées en xi et en xi -a, la marche en xi-a, est créée par les sites seconds proches voisins
des atomes qui constituent la marche en position xi (atomes en diagonale). Ainsi, en présence des
interactions NNN, on peut parler d'une interaction "double-marche", c’est comme si nous avons des
paires de marches, séparées par une distance (xi-xi-a). Par conséquent, le potentiel d’interaction
correspondant vu par les marches est équivalent à un terme “dipolaire” ou interaction “dipôle-
dipôle”.....................................................................................................................................................46
Figure II.4 : Représentation du potentiel d’interaction, U ρ ,n ( s, ρ , n) (Eq. II-29) dans le cas des
interactions entropiques ( ρ = 2 ), pour n = 2, 3, 4 et 5. En augmentant n le potentiel devient plus étroit.
Le potentiel en couleur noir est celui de Pimpinelli et al [14], c'est-à-dire dans le cas des interactions
NN seulement. ..................................................................................................................................49
Figure II.5 : Représentation de la distribution P(s, ρ, n) (Eq. II-30) dans le cas des interactions
répulsives ( ρ = 3, 4 ), répulsion entropiques ( ρ = 2 ) et dans le cas des interactions attractives ( ρ = 1
), pour n = 2 (courbes en ligne droite) et pour n = 3 (courbes en ligne pointillée). La courbe de la
distribution de Wigner est nettement dissymétrique. Pour des grandes valeurs de ρ , elle est très proche
d’une gaussienne. Aussi, pour n = 3, les distributions sont plus étroites comparées à celle obtenues
dans le cas des interactions NN seulement (n = 2)................................................................................50
Figure III.1 : Modèle géométrique décrivant la nano-structuration dirigée selon l’angle de
désorientation θ . Selon l’orientation des marches deux groupes de surfaces vicinales (LaAlO3) sont
distinguées : groupe <100> et groupe <110> [12]. .............................................................................56
Figure III.2 : (a) Modèle géométrique d’une surface vicinale avec marches en zigzag utilisé comme
substrat initial dans notre algorithme kMC, la surface montre 3 terrasses de largeur < w > , la densité
des crans au bord des marches est maximale. (b) Exemple d’une excitation élémentaire le long d’une
marche, cette excitation fait apparaitre 2 nouvelles terrasses de longueur < w > ± az dans la direction
x (perpendiculaire aux marches). .......................................................................................................59
Figure III.3 : Effet de la taille finie de la longueur des marches Ly sur la précision des mesures :
fluctuations de la variance de la TWD pour plusieurs valeurs de la longueur des marches Ly.
< w > = 8 , T = 580K, Ea = 0.35 eV, Ed = 1eV, Lx = 80. ....................................................................60
Figure III.4 : Evolution de la variance de la TWD en fonction du temps durant la relaxation des
marches <110> à partir de leur état initial, vers l'état d’équilibre stationnaire (marches fluctuant autour
de leur position d'équilibre). Les simulations kMC (symboles) sont ajustées par l'équation (Eq. III-2)
(trait plein). .......................................................................................................................................62
Figure III.5 : (Gauche) Evolution de la variance σ (t ) de la TWD en fonction du temps pour les deux
orientations des marches. (Droite) Tableau illustrant les paramètres d’ajustement des données des
simulations, éq.III-1 pour les marches <100> et éq.III-2 pour celles orientées dans la direction <110>.
.........................................................................................................................................................63
Figure III.6 : Morphologie des marches <110> au début des fluctuations (t <<τ 2 ) à T=580K. Les
flèches indiquent la formation des facettes locales au bord des marches.............................................64
Figure III.7.a : Constante du temps de relaxation τ , (Gauche) en fonction de l’énergie de diffusion
Ed, en fixant Ea = 0.35 eV. (Droite) en fonction de l’énergie de liaison Ea, en fixant Ed=1eV. Ces
comportements sont déduits à partir des mesures de l’évolution temporelle de la variance de la TWD.
La température est fixée à T = 580K..................................................................................................65
Figure III.7.b : Variation de la constante du temps de relaxation τ vers l’état d’équilibre stationnaire
pour les deux orientations des marches en fonction de 1 K BT . Les autres barrières énergétiques sont
ii
Liste des figures
fixées, Ea = 0.35 eV, Ed = 1eV. L’objectif est la détermination du processus microscopique gouvernant
les fluctuations des marches. .............................................................................................................66
Figure III.8.a : Marches <100> (Gauche). Evolution de la variance de la TWD en fonction du temps
pour différentes valeurs de EES (Droite) TWD, mesurée à l’état d’équilibre stationnaire ( t → ∞ ), les
données de simulation sont ajustées par la distribution de Wigner généralisée Pρ (s) (Eq. II-8)..........67
Figure III.8.b : Marches <110> (Gauche). Evolution de la variance de la TWD en fonction du temps.
(Droite) TWD mesurée à l’état d’équilibre stationnaire ( t → ∞ ), pour EES variant entre 0.1eV et 0.5
eV. ....................................................................................................................................................68
Figure III.9 : Diffusivité pour les deux orientations de marches, <100>, bɶ 2 et <110>, bɶ 2 pour st zig
différentes températures (équations (Eqs. III-8, III-9)). L'encart montre leur quotient bɶst2 / bɶzig 2
, qui est
pratiquement égal à 1 pour 520 ≤ T ≤ 580).............................................................................................72
Figure III.10 : (a) Fonction d'auto-corrélation pour les marches <100> et <110>. (b) zoom de la figure
(a) à coute distance y. Nos résultats montrent que G x ( y ) , suit une loi linéaire à courte distance en
accord avec la théorie. .......................................................................................................................73
Figure III.11 : Fonction d'auto-corrélation pour différentes températures 520 ≤ T ≤ 580. (Gauche)
pour les marches droites <100>, (Droite) pour les marches en zigzag <110>. Les lignes en trait continu
~
représentent l'ajustement des données de simulation (symboles), la pente est k BT / β (Eqs. III-5, III-6).
.........................................................................................................................................................74
Figure III.12 : Marches <100> TWD mesurées à l’état d’équilibre stationnaire ( t → ∞ ), (Gauche)
pour des interactions NNN attractives (E2>0), (Droite) pour des interactions NNN répulsives (E2<0).
Les données des simulations sont ajustées par la distribution de Wigner généralisée Pρ (s) (ligne
droite) (Eq. II-8), et l'expression (Eq. II-28) de notre modèle théorique. LorsqueE2, augmente la forme
de Wigner devient incapable d'ajuster les données numériques. .........................................................77
Figure III.13.a : Marches <100> Interactions NNN attractives (Gauche). Evolution de la variance de
la TWD en fonction du temps pour différentes valeurs de E2. (Droite) TWD mesurée à l’état
d’équilibre stationnaire ( t → ∞ ), les données de simulation sont ajustées par notre modèle théorique
de la TWD Pρ , n ( s ) (Eq. II-28). LorsqueE2 augmente la TWD devient plus étroite et les interactions
répulsives entre les marches s'intensifient. .........................................................................................78
Figure III.13.b : Marches <100> Interactions NNN répulsives (Gauche). Evolution de la variance de
la TWD en fonction du temps pour différentes valeurs deE2. (Droite) TWD mesurée à l’état d’équilibre
stationnaire ( t → ∞ ), les données de simulation sont ajustées par notre modèle théorique de la TWD
Pρ , n ( s ) (Eq. II-28). LorsqueE2 augmente la TWD devient plus large et dissymétrique, les marches
fluctuent sous l'effet des interactions attractives ( ρ < 2) . ...................................................................79
Figure III.14 : Evolution du paramètre ρ et de la variance de saturation σ sat avec E2 pour NNN
attractives et NNN répulsives. Cette évolution suit une loi exponentielle (Eq. III-13).........................80
Figure III.15 : Evolution du paramètre d'ajustement α de l'équation (Eq. II-28) avec E2. La
dépendance est linéaire pour NNN attractive et NNN répulsive avec une pente qui est égale à ≈ 1/ 6 .
.........................................................................................................................................................80
Figure III.16 : Marches <100>, évolution de la rigidité βɶ (θ , T) avec E2 à T=294K, pour des
interactions NNN attractives (E2 > 0) et pour des interactions NNN répulsives (E2 < 0). Les données de
simulation sont ajustées par l'équation (Eq. III-15), le paramètre d'ajustement est m ≈ 0.1. ................82
Figure III.17 : Marches <110>, évolution de la rigidité βɶ (θ , T) avec E2 à T=294K, pour les deux
types d'interactions NNN, attractives (E2 > 0) et répulsives (E2 < 0). Les données de simulation sont
ajustées par l'équation (Eq. III-15), le paramètre d'ajustement est m ≈ 1 . ...........................................83
Figure III.18 : Marches <100>, dépendance entre la rigidité βɶ (θ , T) et l'angle de désorientation θ .
(Gauche) résultats des simulations à T=320K pour 0 ≤ E2 ≤ E1 / 2 et 4 a ≤ ℓ ≤ 20a , c.à.d.
0.25 ≤ tan(θ ) ≤ 0.05 . (Droite) Résultat du modèle théorique de Stasevich et al. [14]. ..................84
iii
Liste des figures
Figure IV.1 : Représentation schématique du potentiel de diffusion senti par les adatomes au cours de
la diffusion, si l'attachement est à partir de la terrasse supérieure, l'adatome doit franchir une barrière
d'activation additionnelle, c'est la barrière Ehrlich Schwobel E ES . E d est la barrière de diffusion sur la
terrasse. ............................................................................................................................................ 90
Figure IV.2 : Marche présentant une déformation du type méandre. L'atome (b) va plutôt s'incorporer
dans les creux de la marche, alors que l'atome (a) s'incorporera en priorité aux proéminences de la
marche. ............................................................................................................................................. 90
Figure IV.3 : Structures cristallographiques des surfaces vicinales du Cu(0 2 24) dont les marches
sont orientées dans la direction <100> et le Cu(1 1 17) dont les marches sont orientées dans la
direction <110>, les deux surfaces sont obtenues en coupant la surface Cu(100) suivant un angle de
désorientation θ = 4.8 , la largeur de la terrasse est ℓ = 2.17 nm [11]. ............................................. 91
Figure IV.4 : (Haut) Instabilités des méandres, observées à l'aide d'un microscope à effet tunnel
(STM) pour les surfaces (a) Cu(0 2 24), (b) Cu(1 1 17) et (c) Cu(1 1 17) à plus haut flux et après un
temps de croissance plus long qu'en (b). Dans la surface (c) on remarque l'apparition des îlots,
pyramides à base carrée sur les méandres. (Bas) Variation de la longueur d'onde λ (normalisée par ℓ
), en fonction du flux de dépôt (Gauche) et en fonction de la température T (Droite). De Réfs [9, 11].92
Figure IV.5 : (Haut) Images des simulations kMC : évolution de la largeur des méandres en fonction
de l’intensité des interactions NNN : attractives (E2 > 0) et répulsives (E2 < 0) après un dépôt de 30 ML
à un flux F = 5 ×10−3 ML / s , T = 294K et pour E2 = 0, E1 / 6 et E1 / 2 . (Bas) Variation de la longueur
d’onde des méandres en fonction du flux de dépôt tracée pour différentes valeurs de E2 (en échelle
log-log), (Bas-gauche) Pour des interactions NNN attractives (Bas-droite) Pour des interactions NNN
répulsives.......................................................................................................................................... 97
Figure IV.6 : Images des simulations kMC montrant les profils des îlots pour différentes valeurs de E2
pour NNN attractives et répulsives à un flux de dépôt F = 10−3 ML / s et une température T = 280 K , avec
un taux de recouvrement τ c = 0.2 ML sur une surface plane de dimension (200a × 200a ) . ..................... 98
Figure IV.7.a : (Gauche) Evolution de la longueur d'onde λ du méandre avec la température T dans le
cas des interactions NNN attractives, après un dépôt de 30 ML à F = 3 ×10−3 ML / s . Les droites
correspondent à des ajustements d'une loi du type Arrhenius sur les données de simulations :
λ = λ0 exp( − E a/ K B T ) . (Droite) Energie d'activation Ea en fonction de l'intensité des interactions
NNN (E2), Les valeurs numériques sur la figure représentent l'équation de l'ajustement linéaire. ..... 99
Figure IV.7.b : (Gauche) Evolution de la longueur d'onde du méandre λ avec la température T dans
le cas des interactions NNN répulsives, après un dépôt de 30 ML à F = 3 ×10−3 ML / s . Les droites
correspondent à des ajustements d'une loi du type Arrhenius sur les données de simulations :
λ = λ0 exp( − E a/ K B T ) . (Droite) Energie d'activation Ea en fonction de l'intensité des interactions
NNN (E2), Les valeurs numériques sur la figure représentent l'équation de l'ajustement linéaire. ... 100
Figure IV.8 : Fonction d'auto-corrélation pour différentes monocouches (ML) de dépôt à un flux
F = 5 ×10−4 ML / s pour E2 = E1/6. (Gauche) E2 > 0, interactions NNN attractives (Droite) E2 < 0,
interactions NNN répulsives............................................................................................................ 101
Figure IV.9 : (Haut) Fonction d'auto-corrélation à différents flux de dépôt pour E2=0eV. (Bas)
Fonction d'auto-corrélation pour différentes valeurs de E2 à un flux de dépôt F = 5 × 10 −4 ML / s .
(Gauche) pour E2 > 0 et (Droite) pour E2 < 0. .................................................................................. 102
Figure IV.10 : Rigidité effective des marches en fonction de E2 pour différents flux de dépôt et pour
EES=0eV. Les données des simulations sont ajustées par l’expression IV-6. (Gauche) Pour NNN
attractives (Droite) Pour NNN répulsives. ....................................................................................... 103
Figure IV.11 : (Gauche) Rigidité effective des marches en fonction du flux de dépôt (en échelle log-
log) pour différentes valeurs de E2, EES=0.07eV. (Droite) Dépendance entre la longueur d’onde de
méandre λ et la rigidité des marches β~a / K BT (en échelle log-log) pour E2=0eV et E2=E1/6,
vérification de la relation λ 2 ∝ β~ .(a) pour NNN attractives (b) pour NNN répulsives. ...................... 104
Figure IV.12 : Représentation schématique d'un train de marches d’une surface vicinale en régime
d’écoulement couche par couche. La terrasse d’ordre n a une largeur wn=xn-xn-1 et une concentration
des adatomes c(xn), J+ désigne la probabilité d'incorporation d'adatomes à la marche descendante....106
iv
Liste des figures
Figure IV.13. : (Gauche) Mobilité effective en fonction du flux de dépôt F, pour différentes valeurs
de l’intensité des interactions NNN d’énergie E2. Les données des simulations (Symboles) sont
ajustées par des droites linéaires en fonction de F (trait discontinu) : ασɶ eff = a + b × F , avec
α = (4π )2 / f ES ℓɶ 4 ≈ 2.57 ×10−2 . (Droite) Concentration des crans en fonction du flux de dépôt, pour
différentes valeurs de E2. Les données des simulations (Symboles) sont ajustées par des droites
linéaires (trait discontinu). (a) Pour NNN attractive (b) pour NNN répulsive.....................................110
v
Liste des tableaux
vi
Introduction
générale
Introduction générale 1
___________________________________________________________________________
Les nanosciences peuvent être définies comme étant les sciences traitant
de l'étude, l’élaboration et la manipulation de nano-objets individuels, et plus
généralement, d'une grande collection de ceux-ci. Elles se situent donc à la
convergence de tous les domaines des sciences liés à des connaissances de la
matière à cette échelle, ceux-ci appartenant autant à la physique, qu'à la chimie
et à la biologie. Pour obtenir des structures de taille nanométrique de très haute
densité, bien organisées en des endroits contrôlés et sur une durée de temps
pratique pour le scientifique, les mécanismes de croissance doivent absolument
être maitrisés.
D'un point de vue fondamental, l'avènement des techniques de microscopie
en champ proche, entre autres, a permis la caractérisation et la manipulation
d'objets aussi petits que des atomes individuels, mais aussi une compréhension
accrue des mécanismes liés à la croissance cristalline.
A l’échelle atomique, les défauts géométriques sont présents sur toutes les
surfaces cristallines, les marches atomiques étant l’exemple le plus important.
Selon l’orientation cristallographique de la surface, cette dernière peut présenter
un réseau régulier ou non de marches atomiques. Le moyen le plus simple
d’étudier les propriétés liées aux marches atomiques est donc de s’intéresser à un
réseau régulier de marches (surface vicinale). Les marches, étant des sites de
nucléation et de réaction catalytique préférentiels, jouent un rôle important dans
la structure d’équilibre des surfaces.
L’élaboration de modèles, ainsi que des méthodes permettant de les
résoudre, apportent une maîtrise et une compréhension des facteurs responsables
de la structuration des surfaces. Dans cette optique, la modélisation numérique
s’avère nécessaire en vue d’une utilisation technologique optimisée des surfaces
et du développement de nouveaux matériaux. Les simulations ont pour but de
reproduire et de comprendre les structures observées expérimentalement en
proposant un ensemble de mécanismes microscopiques mis en jeu aussi bien
durant la mise en equililibre d’une surface que dans le développement des
instabilités pendant la croissance. Cette connaissance devrait permettre de
pouvoir prédire les conditions expérimentales conduisant à une auto-
structuration efficace. C’est le point fondamental de notre travail de thèse.
Introduction générale 2
___________________________________________________________________________
Nous avons mené une étude théorique accompagnée de simulations Monte
Carlo cinétique (kMC), couplée à des modélisations mathématiques du
phénomène, consacrée à la description de la dynamique des surfaces vicinales
Le travail présenté ici comporte deux volets, le premier est dédié à l’étude
de la dynamique des marches atomiques sur les surfaces vicinales à l’équilibre.
Cette étude servira à mieux comprendre le comportement et la morphologie des
surfaces hors équilibre (en croissance par l'épitaxie par jet moléculaire (EJM)). Le
second, consacré principalement au cas du Cuivre Cu(100), s’intéresse à l’étude
de l'instabilité de méandre des marches lors de la croissance épitaxiale et, plus
précisément, à l’effet des interactions seconds voisins (NNN) sur la
morphologie de surface. Il s’agit de la forme et la largeur des méandres
(ou longueur d’onde de l’instabilité), la rigidité des marches, la densité des crans
"kinks" et la mobilité des adatomes en surfaces.
Sommaire
I. Description microscopique d’une surface .....................................................................................4
II. Intérêt des surfaces vicinales à marches ......................................................................................6
III. Dynamique des marches sur les surfaces vicinales ....................................................................7
III.1. Introduction............................................................................................................................7
III.2. Hamiltonien des marches ........................................................................................................9
III.3. Caractérisation énergétique des fluctuations des marches ...................................................... 11
III.4. Energie libre et rigidité des marches ..................................................................................... 13
IV. Aspects fondamentaux de la croissance épitaxiale.................................................................... 18
IV.1. L'épitaxie et son développement ........................................................................................... 18
IV.2. Techniques de croissance épitaxiale ...................................................................................... 18
IV.3. Mécanismes cinétiques de croissance épitaxiale .................................................................... 20
IV.4. Modes de croissance ............................................................................................................. 21
IV.5. Rappels sur les instabilités de croissance ............................................................................... 22
V. Modèles numériques ................................................................................................................... 24
V.I. Généralités ............................................................................................................................. 24
V.2. Description du modèle cinétique (kMC) ................................................................................. 26
VI. Conclusions ............................................................................................................................... 29
Bibliographie ............................................................................................................................. 31
Chapitre I :
Synthèse bibliographique 4
L’étude des surfaces est d’un très grand intérêt tant du point de vue
fondamental que celui des applications. En effet, tout solide est limité par des
surfaces qui sont en contact avec le vide ou un autre matériau. L’existence de ces
surfaces modifie les propriétés physiques du cristal. Ainsi, beaucoup
d’applications pratiques des cristaux dépendent de l’état de leurs surfaces et des
propriétés de celles-ci. Son champ d’investigation regroupe l’étude des
phénomènes existants sur cette surface à l’équilibre, comme la dynamique des
marches, ainsi que hors équilibre, comme la croissance. Par conséquent une
compréhension précise des phénomènes de surface, nécessite une description
détaillée à l’échelle atomique, ce qui fait toute la difficulté de leur modélisation
théorique. Ces modèles théoriques doivent prendre en compte le caractère discret
(atomique) de la matière avec une précision suffisante avant de passer aux
modèles continus.
En effet selon leur morphologie, les surfaces peuvent constituer un support
approprié pour l’élaboration de divers types des nanostructures aux multiples
applications potentielles. Ce premier chapitre est composé de trois parties dont la
première est une introduction bibliographique aux propriétés des surfaces
vicinales en rappelant les différents types d’interactions inter-marches mises en
jeu, en identifiant les paramètres énergétiques contrôlant la dynamique des
marches. La deuxième partie, sera consacrée à montrer l'importance de la
croissance épitaxiale dans la nano-fabrication et l'élaboration des nanostructures,
l'accent est mis sur la technique d'épitaxie par jet moléculaire (EJM).
Finalement, nous concluons ce chapitre par une description détaillée du code de
simulation Monte Carlo cinétique (KMC) qui sera l’appui essentiel pour étudier
la dynamique des marches d’une surface vicinale à l'équilibre, ainsi que hors
équilibre (durant la croissance épitaxiale).
Figure I.1 : Schéma d’une surface vicinale, formée d’une succession périodique des
marches séparées par des terrasses
Figure I.2 : Images STM des fluctuations des marches d'une surface vicinale de
Cu(1 1 19) à 290 K et 320 K et d'une vicinale de Ag (1 1 1) à 506 K, ("step-flow growth")
[8].
Chapitre I :
Synthèse bibliographique 8
Les progrès des techniques de diffraction et d'imagerie de surface
permettent maintenant de caractériser quantitativement ces transitions en
termes de structure atomique, et notamment en termes de comportement des
marches sur les surfaces. La physique statistique peut être utilisée pour analyser
les observations afin de déterminer les paramètres énergétiques fondamentaux
qui régissent le comportement thermodynamique observé [9-11].
L'énergie libre par unité de longueur β (θ,T) d'une marche monoatomique
sur les surfaces monocristallines est un paramètre fondamental pour décrire de
nombreux processus de surface. En effet, à température nulle l'énergie libre est
égale à l'énergie de formation de marche et, avec l'augmentation de la
température, l'énergie libre de marche diminue jusqu'à celle de la formation d’un
méandre de marche [12]. Bien que l'errance d’une marche nécessite la création
des crans, le gain d'entropie est suffisant pour aboutir à une diminution globale
de l'énergie libre. Par ailleurs, il est immédiatement apparent que le coût
d'énergie libre pour faire errer une marche, découle du coût de création des crans
aux bords des marches.
Notons que les marches ne sont pas toujours orientées le long des
directions de haute symétrie, c.à.d. que la normale à la surface (ou bien la
désorientation azimutale) peut pointer suivant un angle polaire θ arbitraire. En
outre, la frontière d’un ilot formé d’une seule couche (ou une île de lacunes) est
tout juste une marche qui peut être vue comme étant une courbe fermée, ayant
une forme entre circulaire et polygonale plutôt qu'une ligne presque droite [10].
L'analyse de la forme d'équilibre tridimensionnelle des cristallites nous permet
d'accéder à l'énergie de marche β (θ , T) , [13]. En revanche, la célèbre construction
de Wulff1, utilise β (θ , T) , pour déterminer la forme d'équilibre d'îlots
bidimensionnels sur des surfaces cristallines [14-15].
En plus de l'énergie libre β (θ , T) , il y a une autre grandeur, dite rigidité de
marche notée βɶ (θ , T) ≡ β (θ , T) + β ′′(θ , T) . Elle est souvent utilisée pour modéliser
les fluctuations des marches. Le terme βɶ (θ , T) décrit la résistance à "méandrer"
une marche, qui est étroitement liée à l'énergie nécessaire pour générer un cran
au bord de la marche [12]. En s'appuyant sur une évaluation thermodynamique
des propriétés de marche basées sur des modèles simples d'interactions
atomiques, tels que les modèles de réseau, des expressions analytiques pour la
1
La démonstration du théorème de Wullf est basée sur une description continue du cristal sans
prendre en compte le caractère discret du réseau cristallin. La connaissance de l’énergie de surface
β (θ , T) , permet de trouver la forme d’équilibre d’un cristal à l’aide de la construction de Wullf
[10, 17].
Chapitre I :
Synthèse bibliographique 9
rigidité en fonction de la température ont été établies. La plus simple est pour le
cas du réseau carré [16] et ce, en tenant compte seulement des interactions d'un
atome avec ses premiers proches voisins. Toroczkai et al ont trouvé l’expression
suivante :
kT ε
βɶ =
sinh 2 , (I-1)
a 2kT
où a est l'espacement interatomique et ε est l'énergie de formation des crans. Ce
modèle peut être utilisé pour aboutir à la valeur attendue de la rigidité à
différentes températures. Cependant, indépendamment de toute compréhension
de la structure atomistique sous-jacente, les valeurs thermodynamiques de la
rigidité de marche peuvent être déterminées à partir de la fonction de corrélation
spatiale des amplitudes des fluctuations des marches.
ignorée [10].
Cette approche peut être généralisée dans le cas de reconstruction de
surface et d’adsorption lorsque l’énergie libre varie d’une terrasse à une autre. Et
Chapitre I :
Synthèse bibliographique 10
N
H = ∑ wn f ( wn ) . (I-7)
n =1
Dans certains cas, l’approximation (Eq. I-5) peut échouer à inclure tous les
détails essentiels de la dynamique de l’évolution de la morphologie de surface
comme, par exemple dans le cas du facettage et spécifiquement dans le cas des
systèmes pour lesquels on devrait associer une énergie de bord d’une marche
[19-20]. Néanmoins, cette approximation a été utilisée avec succès pour décrire la
dynamique et l’évolution des surfaces de certains systèmes [10, 21-22].
Dans la pratique, pour décrire la dynamique de l'évolution générale des
surfaces, nous sommes amenés à définir un Hamiltonien effectif selon un modèle
continu ou bien semi-continu des marches. A titre d’exemple [10], on a :
βɶ ∂ x 2
H eff ({ xn }) = ∑ ∫ dy 2 ∂yn + V ({ w n ( y ) } ) , (I-8)
n
Chapitre I :
Synthèse bibliographique 11
mouvement atomique qui s'oppose aux déviations par rapport à une configuration
droite (lorsque µ = 0 ).
Figure I.3 : Dynamique d'une marche atomique sur une surface vicinale (modèle à 2D).
Le mouvement d'une marche est gouverné essentiellement par trois mécanismes de
diffusion atomique, à savoir, diffusion au niveau du bord de marche (diffusion en
périphérique), diffusion sur la terrasse et l'attachement-détachement. Les quatre
directions de diffusion (Right-Left-Up-Down) sont équiprobables [16].
Par conséquent, la rigidité est l’un des trois paramètres du modèle continu
décrivant les mécanismes atomiques sous-jacents au mouvement des marches,
qui conserve les marches distinctes, mais les faire empiler en des «cordes»
continues [10]. Les deux autres paramètres sont l’intensité des forces
d’interactions répulsives (parfois attractives) qui varient comme l’inverse du
carrée de la distance entre les marches et la fréquence (ou taux) caractéristique
du mécanisme dominant la cinétique des marches. Notons enfin que l’approche
continue des marches, révèlent des marches régulières qui forment un substrat à
2D presque parfait et n’est applicable qu’en dessus de la température de
transition rugueuse2 TR. Rappelons que la rugosité correspond à une irrégularité
d’une forme géométrique comme, par exemple celle d’une surface, qui traduit le
fait que cette dernière n’est pas totalement plane. On peut parler de rugosité de
surface de même que de rugosité du bord d’une marche.
La régularité des marches est stabilisée par les interactions répulsives
entre les marches voisines. Les potentiels des interactions peuvent être de
natures différentes :
- Interactions entropiques répulsives, dues à une contrainte géométrique
forte qui empêche le croisement de deux marches "non-croisement entre marches
adjacentes".
2
Les premières études expérimentales menées pour l’étude des interactions entre les marches ont
montré que la température de transition rugueuse est étroitement liée à l’énergie d’interaction entre
les marches [23]. Le modèle des marches, dit continu, ne présente pas de transition rugueuse pour
tout type d'interaction. Il n’est a priori valable que pour T >TR (TR est la température de transition
rugueuse) [10].
Chapitre I :
Synthèse bibliographique 13
εz εx εy
γ (θ , φ ) = cos(φ ) + sin(φ ) cos(θ ) + sin(φ ) sin(θ ) , (I-10)
axay ayaz az ax
3
Notons qu’il est difficile de trouver une forme analytique générale pour ces interactions
car elles dépendent fortement des détails de la structure électronique, de la géométrie du
système et du matériau considéré [35].
Chapitre I :
Synthèse bibliographique 14
Sachant que pour une surface vicinale tan( φ ) << 1 , l’énergie libre de surface
projetée sur une direction très proche d’une orientation de facette s’écrit :
γ (θ , φ ) tan(φ )
f = = γ 0 + β 0 (θ ) , (I-11)
cos(φ ) h
où γ 0 = ε z / a x a y , est la densité d’énergie d’une surface plane et
β 0 ( θ ) = ( ε x / a y ) cos( θ ) + ( ε y / a x ) sin( θ ) , est l’énergie dépensée par unité de
longueur d`une marche de hauteur h = a z et orientée dans la direction x .
Kinks
Figure I.4 : Modèle d'une surface vicinale selon l'orientation (001) et (111), θ est l’angle
polaire et φ , est l’angle azimutal. La valeur φ = 0 correspond à la géométrie idéale d'une
surface vicinale, constituée de marches parallèles, équidistantes. Tandis que, pour φ fini,
les marches ont des crans "forcés". La distance moyenne entre les marches et la densité
des crans dépendent respectivement de l'angle polaire et de l’angle azimutal [8].
modèle proposé par Gruber et Mullins [38], nous allons revenir à ce modèle dans
le chapitre suivant. Ces auteurs ont montré que l’entropie d’une marche qui est
contrainte à fluctuer entre deux murs séparés de 2 w , s’écrit :
S (T , w ) = S 0 (T ) − g ' (T ) / w 2 , (I-14)
où S 0 est l’entropie d’une marche libre sans murs et g ' (T ) est une constante
indépendante de la largeur w . La réduction d’entropie des marches sur une
surface vicinale, due au confinement par les marches (fluctuantes) voisines,
montre essentiellement le même comportement lorsque la grandeur w est
remplacée par la distance moyenne entre marches, w = h / tan (φ ) . En tenant
compte de l’expression de l'énergie libre d'une marche (Eq. I-13), la densité
d’énergie libre projetée f s’écrit [9, 39-40] :
β (T ) B (T ) 3
f (φ , T ) = f 0 (T ) + tan(φ ) + 3
tan(φ ) , (I-15)
h a//h
avec B(T ) = g '(T )T .
Figure I.5 : Résultat d'un calcul Monte Carlo d'une surface vicinale en équilibre
thermique. Le modèle utilisé est un réseau CFC avec des interactions entre les plus
proches voisins, des conditions aux limites ont été définies parallèle et perpendiculaire
aux marches. L’angle de désorientation tan(θ ) = h ℓ avec ℓ = 8a⊥ et h = a ⊥ [9].
entre les marches. Comme, il est mentionné dans la littérature, ce petit ensemble
de paramètres peut conduire à une remarquable diversité de morphologies de
surface.
Les fluctuations thermiques des marches ont de nombreuses conséquences
pratiques pour l’observation de la structure des surfaces vicinales. Par exemple,
elles permettent :
De prédire la forme d’équilibre du cristal proche du bord de la marche [2].
D'accéder à la rugosité des surfaces vicinales. En effet, la rugosité d’une
surface à marches peut être mesurée à partir de la fonction d'autocorrélation
dans la direction perpendiculaire au bord des marches [43].
Expérimentalement, la structure de marche peut être mesurée par la
combinaison complémentaire des techniques de diffraction et d'imagerie directe.
La diffraction fournit des informations sur l'ordre à courte et à longue portée et
sur la structure moyenne représentative. L'imagerie directe permet d'évaluer les
écarts statistiques par rapport au comportement moyen. Par exemple :
La diffraction d'électrons à faible énergie (LEED) est la plus couramment
utilisée pour déterminer la structure des marches en raison de sa sensibilité de
surface et de la facilité avec laquelle la longueur d'onde des électrons de
sondage peut être modifiée [44], bien que d'autres techniques telles que la
diffraction d'Hélium (He) est efficace [45-46].
Le comportement statistique de la structure des marches peut être plus
directement sondé par les techniques d'imagerie. Les fluctuations des marches
peuvent être examinées avec une résolution modérée avec la microscopie
électronique à haute énergie à réflexion (REM) [47], la microscopie
électronique à faible énergie (LEEM) [48], la microcopie à effet tunnel (STM)
[8], la microscopie à force atomique (AFM) [28] et la microscopie électronique à
transmission (TEM) [49]. Ces techniques sont très utiles, car elles permettent
d’avoir une imagerie à température élevée et en temps réel.
En résumé, le lien entre l’énergie de marche, la rigidité de marche, et
l’énergie des crans a été évalué analytiquement pour des modèles simples de
réseau [42]. Afin d’estimer les propriétés énergétiques pour des surfaces réelles
(termes dans l'eq. I-15), il faut déterminer l’énergie ε des crans et l’intensité
d’interaction marche-marche en accédant à la rigidité des marches et la TWD. Le
troisième chapitre est consacré à la détermination de la rigidité des marches et
de l’interaction entre elles, via une mesure directe des fonctions de corrélations
spatiales et de la distribution des largeurs des terrasses (TWD).
Chapitre I :
Synthèse bibliographique 18
Epitaxie par Jet Moléculaire (EJM), MBE (en anglais) "Molecular Beam
Epitaxy" [51, 57].
Dans notre étude, nous nous concentrons sur le processus de croissance
MBE, puisqu'elle est considérée comme un processus conceptuellement beaucoup
plus facile à simuler et très évolutif que d'autres techniques de croissance. En
outre, elle facilite la production de structures multicouches avec le contrôle
extrêmement précis de l'épaisseur et de la composition.
L'épitaxie par jet moléculaire est un procédé de croissance de films minces
d'une grande variété des matériaux allant des oxydes aux semi-conducteurs en
passant par les métaux. Elle a été appliquée tout d'abord à la croissance des
semi-conducteurs composés. C'est encore l'usage le plus courant, en grande partie
en raison de la valeur technologique élevée de tels matériaux à l'industrie
électronique [50, 54].
Faisceaux d’atomes
As
As
Ga
Ga
Ga
As
Substrat (T S)
des dispositifs à puits quantiques, des super-réseaux, des lasers, etc., qui
bénéficient tous d'un contrôle précis de la composition pendant la croissance [53].
En raison de la propreté de l'environnement de croissance et le contrôle précis de
la composition, l'épitaxie par jet moléculaire offre une bonne maîtrise du
processus de croissance, qui a une influence significative sur les propriétés
physiques des couches spécifiques.
Les expériences MBE ont fourni une foule de nouvelles informations
portant sur les mécanismes généraux impliqués lors de la croissance épitaxiale,
un cadre sophistiqué pour l'analyse de ces phénomènes dérive des concepts et de
la méthodologie de la physique statistique. Par conséquent, des modèles
atomistiques adaptés et appropriés sont souvent présentés comme ayant une
capacité prédictive de croissance sur une large gamme de températures. Parmi
ces modèles, la simulation Monte Carlo cinétique (kMC) qui s'adapte bien avec la
technique EJM. La méthode kMC est la plus flexible et celle qui a le spectre
d'application le plus large, elle a élucidé le comportement de croissance de
nombreux systèmes spécifiques [6, 43, 58-61].
La modélisation théorique de la croissance épitaxiale semble être un sujet
fascinant. Nous avons mené une étude qualitative et quantitative dans le but de
comprendre les divers processus intervenant lors de la croissance et des
mécanismes responsables du développement des instabilités morphologiques.
Pour atteindre cet objectif, nous avons proposé des modèles théoriques que nous
avons validés par des simulations Monte Carlo cinétiques (voir chapitre 4).
(g)
(f)
(c)
(a)
(d) (h)
(e) (b)
- Instabilités énergétiques : Très souvent, les surfaces solides ne sont pas dans
l’état thermodynamique d’équilibre stable, mais dans des états métastables dont
la morphologie dépend fortement de la manière dont la surface a été créée ou
traitée. Or, les marches d’une surface vicinale sont soumises à différentes
interactions qui tendent à ramener le train de marches vers sa morphologie
d’équilibre, la formation de corrugations morphologiques survient naturellement,
afin que la surface puisse atteindre sa forme la plus stable. On peut alors
observer une instabilité de facettage ou encore une instabilité induite par la
contrainte.
- Instabilités cinétiques : Ces instabilités cinétiques se présentent sous trois
formes différentes : instabilité de collines (ou îlots) sur des surfaces de haute
symétrie [75], la mise en paquets de marches [76] (les marches se regroupent par
paquets formant des macro-marches séparées par de larges terrasses) et le
méandrage des marches [51, 73] (les marches droites deviennent spontanément
ondulées, conduisant ainsi à des modulations de la surface) (cf. figure I.9).
a
b
c
Figure I.9 : Instabilités morphologiques (cinétiques) des surfaces vicinales. a) surface
vicinale parfaite, b) instabilité de mise en paquets des marches, c) instabilité de
méandrage.
V. Modèles numériques
V.1. Généralités
La modélisation numérique est un moyen très utile pour la maîtrise de
l’élaboration et la prédiction des propriétés physico-chimiques des matériaux. Cet
outil est devenu de plus en plus indispensable, notamment, pour comprendre les
nano-objets. L’ambition des physiciens numériciens des matériaux, est de réaliser
des modèles à partir des interactions élémentaires entre atomes. Dans le
domaine de la physique de la croissance cristalline, on cherche à trouver des
modèles qui reproduisent, le plus fidèlement possible, les expériences réelles pour
faire progresser les connaissances sur les mécanismes de croissance des
matériaux. Ainsi, la modélisation de la croissance cristalline est fondamentale
puisqu’elle permet, d’une part, de prévoir l’évolution des phénomènes
Chapitre I :
Synthèse bibliographique 25
Le taux de diffusion d’un adatome sur un site donné est égal à la somme
des fréquences de diffusion dans chaque direction, lesquelles sont données,
individuellement, par la loi d’Arrhénius :
ED
−
D = D0 e K BT
, (I-19)
où D0 est le facteur pré-exponentiel, ED est la barrière énergétique que l'adatome
doit franchir pour diffuser dans la direction considérée et K BT est l'énergie
thermique que possède l'adatome. Le terme D0 joue le rôle d’une fréquence d’essai
d’un adatome de la surface et il lui est assigné la valeur : D0 = 2kBT / h , où h est la
constante de Planck [8]. La barrière énergétique, ED , est une fonction de l’énergie
de diffusion de l’adatome sur la surface, de l’énergie de liaison et du nombre des
plus proches voisins coplanaires (cf. figure I.11). Cette barrière dépend de
l’environnement local de l’adatome et bien sûr de tous les ingrédients du
mécanisme considéré : présence d’atomes voisins du même type ou bien de type
différent, présence d’un bord de marche, des barrières énergétiques
supplémentaires (barrière Ehrlich Schwoebel (Eb), barrière Ehrlich Schwoebel
inverse (Ebi), etc. [81]) …). En effet, un atome lié à des voisins dans le même plan
doit briser ces liaisons avant de pouvoir diffuser sur la surface. Le respect du
bilan détaillé demande que la diffusion de tous les atomes soit permise, même
celle de ceux qui possèdent 4 voisins et sont donc dans la couche de surface.
Cependant, la probabilité que les atomes avec 4 voisins diffusent est très faible.
Par souci de diminuer le nombre des configurations à traiter, et donc de
diminuer le temps de calcul, on admettra dans la suite que la probabilité d’un
événement de diffusion d’atomes à 4 voisins est négligeable, et que seulement les
atomes isolés et ceux avec 1 ou 2 ou 3 voisins peuvent diffuser. Dans ce modèle
nous négligeons aussi la désorption des adatomes, ce qui est raisonnable aux
températures qui nous intéressent. On considère qu’une monocouche atomique
complète a été déposée quand le nombre d’atomes déposés est égal au nombre de
sites que compte la surface. Une fois un événement est réalisé, les nombres des
voisins de chaque atome de la surface sont actualisés avant de choisir de la même
manière un autre événement.
En résumé, l'énergie d'activation d'un tel processus de diffusion est donnée par :
ED = Ed + n1 E1 + (Eb + Ebi), (I-20)
• n1 = 0, 1, 2, 3 : Nombre des atomes premiers voisins de l'atome diffusant.
• Ed : Energie de diffusion.
• E1 : Energie de liaison de l'atome diffusant avec ses premiers voisins (Ea).
• Eb : barrière Schwoebel (EES).
• Ebi : barrière EES inverse.
Chapitre I :
Synthèse bibliographique 28
Ed Ed + E b
Ed + E a
E d +3 Ea
Ed + Ebi
Ed +2 Ea
Ed + 2E1 + E2
E2 E2
E1
E2
E2 E2
E1
E2
Ed + 3E1 + 4E2
Ed + 3E1 + E2
E2 E2
E2 E2
Ed + E1 + 3E2
Ed + 4E2
Notons que, pour démarrer une simulation Monte Carlo, il faut tout
d’abord définir une configuration initiale, qui peut être par exemple : une surface
plane, une surface vicinale parfaite (marches équidistantes) ou bien une
distribution aléatoire de marches, ..., puis choisir un événement donné : la
sélection de l’événement se fait suivant sa probabilité d’apparition par rapport
aux autres évènements. En effet, chaque événement possède sa fréquence et le
rapport de cette fréquence à la somme des fréquences des autres événements
donne la probabilité de l'événement considéré. Le code construit la liste des
événements possibles à un instant donné. Cette liste est mise à jour à chaque pas
de la simulation. On prend soin de normaliser les probabilités des événements de
la liste (somme des probabilités égale à 1). La liste contient N événements i
parmi lesquels il faut choisir. Chaque événement i a une probabilité Pi. On place
les probabilités Pi entre 0 et 1 de la façon montrée sur la figure I.13. On tire un
i −1 i
nombre aléatoire ξ ∈ [0, 1] , ∑ P < ξ < ∑ P , pour choisir dans ce cas l'événement
j =1
j
j =1
j
Par ailleurs, comme toute autre méthode numérique, les simulations kMC
possèdent des limites. D'un côté, le choix des paramètres de simulation
(dimension de la boite de simulation, température T,...) est limité par la
performance de l'ordinateur. D'un autre côté, puisque la croissance cristalline se
produit généralement sur les défauts de la surface (marches, lacunes, kinks, ...),
une connaissance exhaustive des détails microscopiques de la surface du substrat
est nécessaire (contrainte élastique, l'anisotropie de la surface, l'orientation
cristallographique,...). Cependant, il est difficile de tenir compte de tous ces
détails dans la modélisation Monte Carlo cinétique. Néanmoins, malgré ces
limitations et le fait que certains détails ne sont pas pris en compte dans la
conception du modèle, ces simulations permettent une grande flexibilité par
rapport aux informations détaillées fournies par d’autres méthodes de calculs
numériques.
VI. Conclusions
Nous avons, dans ce chapitre, présenté d’une part, quelques propriétés
microscopiques d’une surface à marches (vicinale) en rappelant les différents
types d’interactions qui peuvent exister entre les marches, ainsi que les
contributions énergétiques contrôlant leur dynamique. Nous avons montré que
Chapitre I :
Synthèse bibliographique 30
Bibliographie
[1] Y.W. Mo, J. Kleiner, M. B.Webb, M. G. Lagally, Surf. Sci. 268 275 1992.
[2] A. Pimpinelli et J. Villain, Physics of crystal growth (Cambridge University Press,
Cambridge, 1998).
[3] W.K. Burton, N. Cabrera, F. C. Frank, Philosophical Transactions of the Royal
Society A. 243 866 1951.
[4] Guang Yao, Yanda Ji, Weizheng Liang and al, Nanoscale. 9 3068 2017.
[5] N. Neel, T. Maroutian, L. Douillard, and H.-J. Ernst, J. Phys. Condens. Matter. 15
S3227 2003.
[6] S. Blel, A. BH. Hamouda, B. Mahjoub, T.L. Einstein, Phys. Rev. B 95 085404 2017.
[7] C. Somaschini, A. Biermanns, S. Bietti et al, Nanotechnology. 25 48 2014.
[8] Margret Giesen, Progress in Surface Science. 68 1-135 2001.
[9] E. D. Williams, N. C. Bartelt, Science. 251 393-399 1991.
[10] H.-C. Jeong, E. D. Williams, Surf. Sci. Rep. 34 171 1999.
[11] H. J. W. Zandvliet, Rev. Mod. Phys. 72 593 2000.
[12] H. J. W. Zandvliet, Ronny Van Moere, Bene Poelsema, Phys Rev B. 68 073404 2003.
[13] H.P. Bonzel, A. Emundts, Phys. Rev. Lett. 84 5804 2000.
[14] Michael Wortis, Equilibrium crystal shapes and interfacial phase transitions,
Chemistry and Physics of Solid Surfaces. 10 367–405 1998.
[15] D.C. Schlober, L.K. Verheij, G. Rosenfeld, G. Comsa, Phys. Rev. Lett. 82 3843 1999.
[16] Z. Toroczkai, E.D. Williams, Physics Today. 52 24 1999.
[17] Desjonquères, D. Spanjaard, C. Barreteau, F. Raouafi, Phys. Rev. Lett. 88 056104
2002.
[18] N. Akutsu, Y. Akutsu, J. Phys. Soc. Jpn. 64 736–756 1995.
[19] D. J. Liu, J.D. Weeks, Phys. Rev. Lett. 79 1694 1997.
[20] J.M. Blakely, H. Nykura, Acta. Metall. 10 565 1962.
[21] H. Hibino, Y. Homma, T. Ogino, Phys. Rev. B. 51 7753 1995.
[22] E.S. Fu, M.D. Johnson, D.J. Liu, J.D. Weeks, E.D. Williams, Phys. Rev. Lett. 77
1091 1996.
[23] J. Villain, D. R. Grempel et J. Lapujoulade, J. Phys. 15 809 1985.
[24] J. Frohn, M. Giesen, M. Poensgen, J.F. Wolf, H. Ibach, Phys. Rev. Lett. 67 3543
1991.
[25] N.C. Bartelt, J.L. Goldberg, T.L. Einstein, E.D. Williams, Surf. Sci. 273 252 1992.
[26] M. Giesen, G.S. Icking-Konert, Surf. Rev. Lett. 6 27 1999.
[27] M. Giesen, T.L. Einstein, Surf. Sci. 449 191 2000.
[28] L. Persichetti, A. Sgarlata, M. Fanfoni, M. Bernardi, A. Balzarotti, Phys. Rev. B. 80
075315 2009.
[29] C. Jayaprakash, C. Rottman, W.F. Saam, Phys. Rev. B. 30, 6549, 1984.
[30] N.C. Bartelt, T.L. Einstein, E.D. Williams, Surf. Sci. 240 L591, 1990.
[31] R.V. Kukta, A. Peralta, D. Kouris, Phys. Rev. Lett. 88 186102 2002.
[32] Geoffroy Prévot, Yann Girard, Vincent Repain, et al, Phys. Rev. B. 81 075415 2010.
[33] J.W.M. Frenken, P. Stoltze, Phys. Rev. Lett. 82 3500, 1999.
[34] N. Garcia, P.A. Serena, Surf. Sci. 330 L665-L667 1995.
[35] F. Raouafi, C. Barreteau, D. Spanjaard, M. C. Desjonquères, Phys. Rev. B. 66
045410 2002.
[36] E.L. Goff, L. Barbier, L. Masson, B. Salanon, Surf. Sci. 432 139 1999.
[37] C. Barreteau, F. Raouafi, M.C. Desjonquères et D. Spanjaard, Surf. Sci. 519 15
2002.
[38] Gruber E. E. et W. W. Mullins, J. Phys. Chem. Solids. 28 875 1967.
[39] C. Jayaprakash, W. F. Saam, S. Teitel, Phys. Rev. Lett. 50 2017 1983.
[40] C. Jayaprakash, C. Rottman, W.F. Saam, Phys. Rev. B. 30 6549 1984.
Bibliographie (Chapitre I) 32
Sommaire
I. Etat de l'art .................................................................................................................................. 35
II. Modélisation théorique des interactions entre marches et mesure de la distribution des
largeurs des terrasses (TWD) ......................................................................................................... 37
II.1. Potentiel d’interaction et approximation du champ moyen...................................................... 37
II.2. Application de la théorie des matrices aléatoires ..................................................................... 38
II.3 Analogie fermions-marches en interaction............................................................................... 40
II.4 Modèle stochastique et analogie avec le mouvement Brownien ............................................... 42
II.4.1 Généralités ...................................................................................................................... 42
II.4.2 Rappels sur la dérivation Fokker-Planck et modèle de Pimpinelli..................................... 43
III. Nouveau modèle pour la quantification des interactions entre les marches et effet des
interactions NNN ............................................................................................................................ 44
III.1 Motivation............................................................................................................................. 44
III.2 Formalisme de la TWD et Interactions NNN ......................................................................... 45
IV. Conclusion ................................................................................................................................. 51
Bibliographie ............................................................................................................................. 53
Chapitre II :
Modélisation théorique de la dynamique des marches à l'équilibre 34
1 Les surfaces cristallines évoluent de leur état initial (généralement instable) jusqu'à qu'ils
atteignent un état d'équilibre stationnaire, c'est la relaxation des surfaces. Pour les surfaces
vicinales, cette évolution est gouvernée par les fluctuations des marches atomiques. A l’équilibre,
les marches fluctuent autour de leurs positions d’équilibre stationnaires grâce aux processus de
détachement/attachement et à la diffusion des atomes en bord de marches [3].
Chapitre II :
Modélisation théorique de la dynamique des marches à l'équilibre 35
I. Etat de l'art
L'évolution des techniques d'imagerie de surface, telles que la microscopie
à effet tunnel (STM) [21, 22], la microscopie électronique à basse énergie (LEEM)
[24] et la microscopie par réflexion d'électrons (REM) [23], ont permis la
caractérisation des surfaces et des couches minces à l'échelle nanométrique. Ceci
a rendu possible la mesure directe de la répartition des largeurs des terrasses
(TWD). Ces mesures contiennent des informations clés concernant les propriétés
énergétiques des marches tels que, les excitations thermiques des marches et la
nature et l'intensité d'interactions entre elles. Néanmoins, il est difficile de
distinguer entre les différentes formes d'interactions (élastiques, électroniques...)
en se basant uniquement sur les données obtenues à partir de la distribution des
largeurs des terrasses.
A l’équilibre, les fluctuations des marches monoatomiques sont limitées
par la présence des marches voisines dues à la condition de non-croisement des
marches, conduisant à une répulsion entropique. Cette interaction entropique se
manifeste dans la TWD. En fait, une marche qui est à mi-chemin entre ses
voisins possède une entropie plus configurationnelle que celle qui est proche de
ses voisins et, donc, la TWD montre un pic à proximité de la distance moyenne de
séparation entre les marches < w > [25-27].
surface vicinale de Pt (110) [22], les données expérimentales sont ajustées par la
distribution de Wigner généralisée (Eq. II-8), pour trois valeurs du paramètre ρ ,
ρ = 1, 2 et 4 . En ce qui concerne la fonction de Wigner, nous y reviendrons en
détail au paragraphe II.2.
Malgré que l'intensité de ces interactions énergétiques est relativement
faible, leur influence sur les fluctuations des marches n’est pas négligeable,
notamment à l’équilibre thermique. En outre, ces interactions sont responsables,
ou du moins, contribuent à la stabilité des surfaces vicinales [14, 16-17]. La
largeur de la TWD dépend de la densité des marches, de la température et de la
force du potentiel d'interaction.
Densité de probabilité P(s)
s = w/ < w >
Figure II.1 : Distribution des largeurs des terrasses (TWD) pour une surface vicinale de
Pt (110), les données expérimentales sont représentées en colonnes gris, les trois autres
courbes sont les distributions de Wigner (Eq. II-8) pour trois cas différents : (i)
Distribution de Wigner pour des marches en interaction attractive ( ρ = 1) (ligne pointillé),
(ii) Distribution pour des marches en répulsion entropique ( ρ = 2) (ligne droite), (iii)
Distribution pour des interactions répulsives ( ρ = 4 ) (en pointillé). Au coin droit
supérieur, image STM de la morphologie d'une surface de Pt (110) [22].
πs
P ( s ) = Sin 2 ( ). (II-1)
2
Figure II.2 : Illustration du modèle du champ moyen d'une marche fluctuante entre deux
parois droites rigides. Les murs (parois) sont distants de 2 < L > . L'amplitude des
fluctuations, 2σ , est proportionnelle à l'amplitude du potentiel [30].
l'espacement (écart) entre ces valeurs propres est relié à la TWD d'une surface
vicinale.
Wigner a abouti à trois ensembles d'Hamiltoniens ( H ) fondamentaux
irréductibles de symétrie gaussienne3. Dans chacun de ces cas, la fonction densité
de probabilité P(H) , s'écrit en fonction de la "trace des matrices" des N premières
puissances de H sous la forme [37]:
(
P (H) = exp − aTrH 2 + bTrH + c , ) (II-4)
Où a est un réel positif, b et c sont deux réels quelconques. Pour les matrices
aléatoires H, la densité de probabilité associée PN ρ de ses valeurs propres réelles
x1 , x2 ,..., xN est :
ρ 1 N 2
∏ j k
PN ρ = C x − x exp − ρ∑ xj / 2,
2
(II-5)
1≤ j < k ≤ N j =1
où ρ = 1, 2 ou 4, dépend da la symétrie associée, respectivement, à l'ensemble
gaussien orthogonal, gaussien unitaire ou gaussien symplectique. La constante
de proportionnalité C , peut être choisie de telle manière que PN ρ soit normalisé à
l'unité.
∞ ∞
∫ ... ∫ P ρ ( x ,...x
−∞ −∞
N 1 N ) d x1 ...dx N = 1. (II-6)
∫ P(s)ds = 1 et ∫ sP(s)ds = 1
0 0
(II-7)
3En incluant les contraintes imposées par les symétries du système, Wigner abouti à trois
ensembles fondamentaux irréductibles de symétrie gaussienne : l’ensemble gaussien-orthogonal (G-
O) pour les systèmes invariants par renversement du temps, gaussien-unitaire pour les systèmes
non invariants par renversement du temps (G-U) et gaussien-symplectique (G-S) pour les systèmes
avec spin [37].
Chapitre II :
Modélisation théorique de la dynamique des marches à l'équilibre 40
Pour les trois classes de symétrie, les constantes a ρ et bρ sont données par
[28] :
Γ ( ( ρ + 2) 2 )
ρ +1 2
2 Γ ( ( ρ + 2) 2 )
aρ = et bρ = . (II-9)
Γ ( ( ρ + 1) 2 )
ρ +2
Γ ( ( ρ + 1) 2 )
~
La variance de la distribution σ 2 et l’intensité d’interaction, A, sont reliées
au paramètre ρ de la TWD via :
ρ +1 Aβɶ ρ
σ2 = −1, Aɶ = 2
= ( ρ − 2). (II-10)
2bρ ( K BT ) 4
4 D'une manière générale, la dynamique des marches est décrite par des équations non linéaires
(équations de Langevin) contenant des termes stochastiques (par exemple le dépôt aléatoire des
adatomes est un processus stochastique), ces quantités stochastiques sont décrites par la fonction
deltaη , appelée "bruit blanc", ayant généralement la forme d'une distribution gaussienne, avec
< η >= 0 .
Chapitre II :
Modélisation théorique de la dynamique des marches à l'équilibre 44
distance entre les atomes d’une marche à la position xi et les atomes juxtaposés.
Ainsi, la marche située à la position xi+1, ressent l’effet d’un potentiel dû à deux
marches situées en xi et en xi−a (cf. figure II.3). Par conséquent, pour n = 2, le
potentiel d’interaction correspondant vu par les marches est équivalent à un
terme “dipolaire” ou interaction “dipôle-dipôle” ; c’est comme si nous avons des
paires de marches, séparées par une distance ( xi − x j ) , en interaction. En
acceptant la valeur n=2, l’équation de Langevin s’écrit :
γ1 γ2
xɺi = −γ 0 xi + ∑ +∑ +Γη (t ), (II-16)
i≠ j xi − x j i≠ j ( xi − x j ) 2
γ2
où, ∑ (x − x ) 2
, représente le terme d'interaction "dipolaire", d'intensité γ 2 ,
i≠ j i j
L’équation de Langevin (Eq. II-16) peut être écrite comme étant la somme
d’une force déterministe et d’un bruit :
xɺi = F ( xi ) + Γη (II-17)
Les trois premiers termes du côté droit de l'équation (Eq. II-16)
représentent la partie déterministe de la force agissant sur la i ème particule, que
l’on peut écrire aussi sous la forme :
γ1 γ2 γ1 γ2
F ( xi ) = −γ 0 xi + ∑ − + +∑ + (II-18)
k >i xk − xi ( xi − xk ) 2
i >q xi − xq ( xi − xq ) 2
Chapitre II :
Modélisation théorique de la dynamique des marches à l'équilibre 47
Dans le cas des interactions entre les marches, nous nous sommes
intéressés à une équation où la variable dynamique est la distance qui sépare
deux particules voisines : wm ≡ xm +1 − xm .
−2 2wi 1
−γ 0 wi − γ 1 +
w < w 2
>
∑ ( r + 1)( r )
+
i r >0
(II-22)
−2wi
γ 2 −2w
2
1 1 1
i
∑ + ∑ + ∑ 2
< w > r >1 (1 − r ) (r ) < w > r >1 (−r + 1) (−r ) r >1 (r − 1)(r )
4 2 2 3 2
N
1
Sachant que, ∑ (n + 1)(n)
n =1
tend vers 1 quand N tend vers l’infini, on peut trouver
1 π2 1 π2 1 π2
que ∑
r >1 (1 − r ) ( r )
2 2
=
3
− 3 , ∑
r >1 ( − r + 1) ( − r )
2
= 1 −
6
et ∑
r >1 ( r − 1)( r )
2
= 2 −
6
. Ce qui
Chapitre II :
Modélisation théorique de la dynamique des marches à l'équilibre 48
U ( s) = bρ s 2 − ρ ln( s) + cρ s3 (II-24)
γ1
ρ = 2 < w2 >
γ0 γ1 Cγ 2
Avec : bρ = + − . (II.25)
2 < w 2
> < w 3
>
2C γ 2
cρ = 3 < w3 >
L'equation (Eq. II-24) peut s'écrire sous cette forme :
Par ailleurs, L’équation (Eq. II-26) pourrait être généralisée pour tout n ≥ 2 ,
le potentiel s’écrit alors :
U ρ ,n ( s) = bρ ,n s n − ρ ln(s ) . (II.29)
La figure (cf. figure II.4), montre la forme de ce potentiel dans le cas des
interactions répulsives entropiques ( ρ = 2 ) pour différentes valeurs de n.
Chapitre II :
Modélisation théorique de la dynamique des marches à l'équilibre 50
Figure II.5 : Représentation de la distribution P(s, ρ, n) (Eq. II-30) dans le cas des
interactions répulsives ( ρ = 3, 4 ), répulsion entropiques ( ρ = 2 ) et dans le cas des
interactions attractives ( ρ = 1 ), pour n = 2 (courbes en ligne droite) et pour n = 3 (courbes
en ligne pointillée). La courbe de la distribution de Wigner est nettement dissymétrique.
Pour des grandes valeurs de ρ , elle est très proche d’une gaussienne. Aussi, pour n = 3, les
distributions sont plus étroites comparées à celle obtenues dans le cas des interactions NN
seulement (n = 2).
IV. Conclusion
Dans ce chapitre, nous avons rappelé, d’une part dans la première partie,
les différents modèles proposés dans la littérature pour décrire la dynamique des
marches atomiques. D'autre part dans la seconde partie, nous avons exposé notre
modèle théorique pour la quantification du mouvement des marches. Ce modèle
tient compte pour la première fois des interactions NNN. En partant d'une
équation de Langevin, censée décrire l’évolution temporelle de la distance qui
sépare deux marches voisines et moyennant l’approximation du champ moyen,
nous avons pu déterminer une nouvelle forme du potentiel d'interaction entre les
marches atomiques qui fait intervenir un terme en s3. La mise en équation de ce
type de distribution de probabilité stationnaire correspondant à ce nouveau
potentiel est assez compliquée. Notre idée était de faire une combinaison de deux
distributions de Wigner pondérées par un paramètre α , une distribution pour
n = 2 (décrit les interactions NN) et l'autre pour n = 3 (décrit les interactions
Chapitre II :
Modélisation théorique de la dynamique des marches à l'équilibre 52
Bibliographie
[1] E.D. Williams, R.J. Phaneuf, J. Wei, N.C. Bartelt, T.L. Einstein, Surf. Sci. 310 451
1994.
[2] A. Pimpinelli et J. Villain, Physics of crystal growth (Cambridge University Press,
Cambridge, 1998).
[3] H-C. Jeong, Ellen D. Williams, Steps on surfaces: experiment and theory, Surface
Science Reports. 34 171-294 1999.
[4] N. Neel, T. Maroutian, L. Douillard, and H.-J. Ernst, J. Phys. Condens. Matter. 15
S3227 2003.
[5] Zhi-You Zhou, Na Tian, Zhi-Zhong Huang, De-Jun Chen and Shi-Gang Sun, Faraday
Discussions. 140 81-92 2008.
[6] A. BH. Hamouda, A. Pimpinelli and T. L. Einstein, European Physics Letter. 88
26005 2009.
[7] Chuan-Fu Lin, Ajmi B. H. Hammouda, Hung-Chih Kan, N. C. Bartelt and R. J.
Phaneuf, Phys. Rev. B. 85 085421 2012.
[8] Kenjiro Hayashi, Shintaro Sato and Naoki Yokoyama, Nanotechnology. 140 025603
2013.
[9] Florencio Sanchez, Carmen Ocal, and Josep Fontcuberta, Chem Soc Rev. 43 2272
2014.
[10] Rongrong Wang, Dan Guo1, Guoxin Xie1, Guoshun Pan, Scientific Reports. 6 29964
2016.
[11] Guang Yao, Min Gao, Yanda Ji and al, Scientific Reports. 6 34683 2016.
[12] S. Blel, A. BH. Hamouda, B. Mahjoub, T.L. Einstein, Phys. Rev. B 95 085404 2017.
[13] Y. N. Yang, B. M. Trafas, R. L. Siefert et J. H. Weaver, Phys. Rev. B. 44 7 1991.
[14] A. Pimpinelli, H. Gebremariam, T. L. Einstein, Phys. Rev. Lett. 95 246101 2005.
[15] Ajmi B.H. Hamouda, Ph.D. thesis, Université Blaise Pascal, Clermont 2 (France),
Doctoral School of Fundamental Science, No. 531 2007.
[16] A. B.H. Hamouda, A. Pimpinelli, T. L. Einstein, Surf. Sci. 602 3569 2008.
[17] A. B.H. Hamouda, A. Pimpinelli, T.L. Einstein, J. Phys. Condens. Matter. 20 355001
2009.
[18] Rajesh Sathiyanarayanan, Ajmi BH. Hamouda et T. L. Einstein, Phys. Rev. B. 80
153415 2009.
[19] B.Galiana, M. Benedicto et P. Tejdore, Journal of Applied Physics. 113 024309 2013.
[20] Y. Yamamoto, T. Sueyoshi, T. Sato et M. Iwatsuki, Japanese Journal of Applied
Physics. 36 7A 1997.
[21] B.S. Swartentruber, Y.W. Mo, M. B. Webb, M.G. Lagally, Journal Vac. Sci.
Technol. A. 7 2901 1989.
[22] K. Swamy, E. Bertel et I. Vilfan, Surf. Sci. Letters. 425 L369-L375 1999.
[23] C. Alfonso, J.M. Bermound, J.C. Heyraud and J.J. Métois, Surf. Sci. 262 371 1992.
[24] L. Barbier, L. Masson, J. Cousty, B. Salanon, Surf. Sci. 345 197-212 1996.
[25] B. Joos, T. L. Einstein, N. C. Bartelt, Phys. Rev. B. 43 8153 1991.
[26] R. Kariotis, B. S. Swartzentruber, M. G. Lagally, J. Appl. Phys. 67 2848 1990.
[27] X. S. Wang, J. L. Goldberg, N. C. Bartelt, T. L. Einstein, E. D. Williams, Phys. Rev.
Lett. 65 2430 1990.
[28] Guhr Thomas, Axel müller-Groeling, Hans A. Weidenmüller, Phys. Rep. 299 189-
425 1998.
[29] B. Mahjoub, Ajmi B.H. Hamouda et al, en cours "Effect of attractive and repulsive
NNN interactions on step-dynamics of vicinal surfaces at equilibrium and during
epitaxial growth".
[30] Margret Giesen, Progress in Surface Science. 68 1-135 2001.
Bibliographie (Chapitre II) 54
[31] N. C. Bartelt, J.L. Goldberg, T. L. Einstein et E. D. Williams, Surf. Sci. 273 252
1992.
[32] T. Ihle, C. Misbah et O. Pierre-Louis, Phys. Rev. B. 58 2289-2309 1998.
[33] O. Pierre-Louis et C. Misbah, Phys. Rev.B. 58 2259 1998.
[34] M. Giesen et T. L. Einstein, Surf. Sci. 449 191 2000.
[35] T. L. Einstein , H. L. Richards, S. D. Cohen, O. Pierre-Louis, Surf. Sci. 493 460
2001; T. L. Einstein , H. L. Richards, S. D. Cohen, O. Pierre-Louis et M. Giesen, Appl.
Surf. Sci. 175-176 62 2001.
[36] Hailu B.Gebremariam, Thèse de l’université de Maryland 2005.
[37] M. L. Mehta, Random Matrices, 2nd ed, (Academic, New York 1991).
[38] P. G. Gennes, J. Chem. Phys. 48 2257 1968.
[39] B. Sutherland, Phys. Rev.A. 4 2019 1971; J. Math. Phys. 12 246 1971.
[40] E. Le Goff, L. Barbier, B. Salamon, Surf. Sci. 531 337-358 2003.
[41] F. J. Dyson, J. Math. Phys. 3 1191 1962.
[42] B. Mahjoub, Ajmi. BH. Hamouda et T.L. Einstein, Surf. Sci. 662 74-81 2017.
Chapitre III
Dynamique des marches atomiques à l'équilibre :
Simulations Monte Carlo cinétique de la distribution des
largeurs des terrasses (TWD) et de la rigidité des marche
Sommaire
I. Motivation.................................................................................................................................... 56
II. Résultats des simulations de la TWD ........................................................................................ 58
II.1. Modèle et paramètres des simulations kMC ........................................................................... 58
II.2. Mécanismes microscopiques gouvernant les fluctuations des marches : Comparaison entre
deux orientations <100> et <110>................................................................................................ 61
II.2.1 Variance de la TWD ......................................................................................................... 61
II.2.2 Constante du temps de relaxation de la TWD ................................................................... 64
II.2.3 Effet de l'anisotropie au bord des marches sur la TWD ..................................................... 67
II.3. Rigidité des marches .............................................................................................................. 69
II.3.1 Modèle théorique ............................................................................................................. 69
II.3.2 Résultats des simulations de la rigidité des marches ......................................................... 73
III. Effet des interactions NNN sur la TWD - Cas du Cu(100) ...................................................... 76
III.1. Variance de la TWD et interaction entre les marches ............................................................. 76
III.2. Effet sur la rigidité des marches ............................................................................................ 81
IV. Conclusions................................................................................................................................ 84
Bibliographie ............................................................................................................................. 86
Chapitre III :
Dynamique des marches atomiques à l'équilibre : Simulations Monte Carlo cinétique de la distribution des
largeurs des terrasses (TWD) et de la rigidité des marches 55
I. Motivation
Les surfaces vicinales sont composées de terrasses séparées par des
marches monoatomiques et équidistantes. Vu leur structure périodique, ces
surfaces sont des bons candidats pour étudier l'influence de la structure des
marches sur leur dynamique. Plusieurs études ont montré le rôle significatif de la
structure des marches dans l'industrie des circuits intégrés, l'industrie
optoélectronique et pour de nombreuses applications scientifiques [7-11]. Ainsi, la
modification de l'orientation initiale des marches est utilisée comme moyen pour
orienter les nanostructures à s'auto-organiser sur des sites particuliers de la
surface d'un matériau dans le but de produire des films minces, des nanotubes et
des nanorubans "nanoribbons en anglais" [11-12].
Par exemple, dans la figure III.1 nous avons illustré un modèle de nano-
structuration des marches, selon l'angle de désorientation θ , deux groupes de
substrats (LaAlO3) vicinaux sont obtenus, l'un avec des marches orientées dans la
direction <100> (groupe 100) et l'autre avec des marches <110> (groupe110) [12].
Ces auteurs ont montré que ces deux groupes possèdent des propriétés
diélectriques différentes.
Nous avons utilisé des surfaces avec la même longueur de marches le long
de la direction y et le même nombre de terrasses dans la direction x pour les deux
orientations de marches.
1
Les processus cinétiques considérés dans ce modèle comportent les événements d’attachement
/détachement des atomes au bord des marches et la diffusion sur les terrasses mais excluent la
désorption sur la surface (négligeable dans nos conditions de simulation).
Chapitre III :
Dynamique des marches atomiques à l'équilibre : Simulations Monte Carlo cinétique de la distribution des
largeurs des terrasses (TWD) et de la rigidité des marches 59
Figure III.2 : (a) Modèle géométrique d’une surface vicinale avec marches en zigzag
utilisé comme substrat initial dans notre algorithme kMC, la surface montre 3 terrasses
de largeur < w > , la densité des crans au bord des marches est maximale. (b) Exemple
d’une excitation élémentaire le long d’une marche, cette excitation fait apparaitre 2
nouvelles terrasses de longueur < w > ± az dans la direction x (perpendiculaire aux
marches).
1.0
Ly=100
σ/L Ly=1000
0.8 Ly=3000
Ly=5000
0.6
0.4
0.2
0.0
0 20000 40000 60000 80000 100000
t (tMC)
Figure III.3 : Effet de la taille finie de la longueur des marches Ly sur la précision des
mesures : fluctuations de la variance de la TWD pour plusieurs valeurs de la longueur des
marches Ly. < w > = 8 , T = 580K, Ea = 0.35 eV, Ed = 1eV, Lx = 80.
lissage des courbes. Notons que dans ce type de simulation, le temps de calcul est
un facteur limitant. En effet, le temps nécessaire pour atteindre l’équilibre est
souvent très long. Néanmoins, on se contente parfois d’une seule simulation
lorsque le lissage est assez bon et dans tous les cas, nous estimons que cela n’a
pas beaucoup de conséquence sur les résultats définitifs comme on va le voir.
σ (t ) = σ sat 1 − e − t / τ . (III-1)
La figure III.4 montre l’évolution de la variance de la TWD au cours de la
relaxation de surface avec des marches en zigzag <110> pour différentes
températures. Comme c’est prédit par la formule (Eq. III-1), la variance suit une
croissance exponentielle. Elle croît relativement assez vite à partir de zéro pour
atteindre une valeur constante, σ sat , au bout d’un temps caractéristique τ plus ou
moins long, dépendant des paramètres de simulation.
0.5
σ /L
0.4
0.3
Marches <110>
T(K)
580
0.2 560
550
(τ ↑)
540
0.1 520
Fit.
0.0
théorique [23] et avec les résultats numériques de Hamouda et al [6]. Notons que,
dans notre étude, nous avons obtenu un bon lissage des courbes décrivant
l’évolution de la variance en fonction du temps, mieux que celui donné par
Hamouda et al [6]. En fait, dans nos simulations nous avons effectué plusieurs
moyennes (10-20 simulations) sur chaque courbe pour avoir une meilleure
statistique.
Par la suite, nous allons nous intéresser à l'analyse de l’évolution de la
variance de la TWD en fonction du temps durant la relaxation de surface pour les
deux orientations des marches. Qualitativement, nos résultats des simulations
pour les marches <100> sont parfaitement très bien ajustés par l’expression
théorique (Eq. III-1). Quantitativement, la constante de saturation de la variance
pour t infini (cf. figure III.5), est très proche de la valeur théorique prédite pour
ρ =2 : σ ∞2 =< s 2 > −1 = [( ρ + 1) 2bρ ] − 1 ≈ 0.18 , ce qui donne σ sat ≈ 0.424.
Par conséquent, la démarche théorique utilisant l’approche de Fokker-
Planck, et moyennant l’approximation du champ moyen [23], a été bien vérifiée
pour les marches orientées selon la direction <100> [6, 21]. Cependant, pour les
marches <110>, cette expression devient incapable d’ajuster les résultats
numériques, spécifiquement à court temps, comme le montre la figure III.5.
0.5
Marches<100> Marches<110>
σ/L 12%
σ σ
100
sat = 0.43 ± 0.02
110
0.4 sat
= 0.48 ± 0.06
0.0
0.0 0.2 0.4 0.6 0.8 1.0
t (s)
σ (t ) = σ sat 1 − (e − t / τ + e − t / τ
1 2
), (III-2)
Figure III.6 : Morphologie des marches <110> au début des fluctuations (t <<τ 2 ) à
T=580K. Les flèches indiquent la formation des facettes locales au bord des marches.
orientées selon la direction <100>, ε 110 est l’énergie d’activation pour les marches
suivant la direction <110>.
5 6
10 10
Orientation des marches Orientation des marches
<100> <100>
5
<110> 10 <110>
4
10
τ
τ 4
10
1.01±0.02 0.97±0.01
3
10
3
10
2.99±0.02 1.99±0.01
2
10
2
10
1 1
10 10
17 18 19 20 21 22 23 5.5 6.0 6.5 7.0 7.5 8.0 8.5
Ed /kBT Ea/kBT
7
10
Orientation des marches
<100>
6
10 <110>
τ
5
10
10
4 2.03±0.03 1.71±0.01
3
10
2
10
19.5 20.0 20.5 21.0 21.5 22.0 22.5 23.0
1/k BT
Figure III.7.b : Variation de la constante du temps de relaxation τ vers l’état d’équilibre
stationnaire pour les deux orientations des marches en fonction de 1 K BT . Les autres
barrières énergétiques sont fixées, Ea = 0.35 eV, Ed = 1eV. L’objectif est la détermination
du processus microscopique gouvernant les fluctuations des marches.
Nos résultats montrent que les fluctuations des marches en zigzag sont
beaucoup plus faciles, que pour les marches droites ( τ 100 > τ 110 ). En effet, les
marches <110> sont initialement riches en crans, ces derniers jouent un rôle
crucial dans la cinétique de relaxation des marches de leur état initial vers un
état d’équilibre stationnaire. Par conséquent le processus de génération des crans
semble jouer un rôle important dans l'équilibrage des marches.
crans. Cependant, dans le cas des marches en zigzag nous avons obtenu une
barrière d’activation ε 110 = 1.Ed + 2.Ea , cette énergie montre que la relaxation des
marches <110> est dictée par le détachement des atomes en position des crans.
0.16
P(l)
0.14 <100> steps
EES (eV)
0.12
0.5
0.10
0.4
0.3
0.08 0.2
0.1
0.06 0
0.04
0.02
0.00
0 2 4 6 8 10 12 14 16 18 20 22 24
l
Figure III.8.a : Marches <100> (Gauche). Evolution de la variance de la TWD en
fonction du temps pour différentes valeurs de EES (Droite) TWD, mesurée à l’état
d’équilibre stationnaire ( t → ∞ ), les données de simulation sont ajustées par la
distribution de Wigner généralisée Pρ (s) (Eq. II-8).
relaxation de la surface pour les deux orientations des marches sont parfaitement
ajustés par l’expression (Eq. III-1) pour les marches droites et par l'équation
(Eq. III-2) pour celles en zigzag.
0.14
0.5 Marches <110>
P(l)
σ/L 0.12 E
ES
(eV)
0.4 0.5
0.10 0.4
0.3
0.3
Marches <110> 0.08 0.2
0.1
E ES(eV)
0.06 0
0.2 0
(τ ↑)
0.1
0.2 0.04
0.1
0.3
0.4 0.02
0.0 0.00
0.0 0.1 0.2 0.3 0.4 0.5 0 2 4 6 8 10 12 14 16 18 20 22 24
tx10-5(s) l
Marches-<100> Marches-<110>
EES (eV) ρ ~ ρ ~
A A
0 2.00±0.01 0.00±0.00 1.51±0.01 -0.18±0.01
0.1 2.13±0.04 0.07±0.02 1.92±0.03 -0.03±0.02
0.2 2.43±0.06 0.26±0.04 2.25±0.05 0.14±0.04
0.3 3.01±0.08 0.76±0.08 2.80±0.07 0.56±0.08
0.4 3.49±0.10 1.30±0.12 3.18±0.09 0.93±0.08
0.5( ∞ ) 3.52±0.10 1.34±0.13 3.21±0.10 0.97±0.10
k BT
Gx ( y ) = x ( y ) − x ( 0 )
2
= a/ / y , (III-4)
βɶ a//
b2 (T )
Gx ( y ) = y, (III-5)
a/ /
~ k BT
β = a// (III-6)
b2
La diffusivité est donnée comme une valeur moyenne pondérée sur toutes
les valeurs possibles de la taille de cran. Spécifiquement pour un "kink" de taille
n (ou de longueur na ⊥ ), avec l’énergie E(n) [28] :
Chapitre III :
Dynamique des marches atomiques à l'équilibre : Simulations Monte Carlo cinétique de la distribution des
largeurs des terrasses (TWD) et de la rigidité des marches 71
∞ E (n)
2∑ n=1 n2 exp(− )
b ( T2
) K T
bɶ (T ) =
2
= B
, (III-7)
a⊥2 ∞
1 + 2∑ n=1 exp(−
E (n)
)
K BT
−ε −2ε
Soit, pour T>500K, bɶ110 (T ) ≈ 2exp( ) et bɶ100 (T ) ≈ 2 exp
2 2
, par conséquent,
k BT k BT
nous obtenons notre modèle modifié pour la longueur de collision estimée, en
mettant G x ( y ) = w
2
4 dans l'équation (Eq. III-5) [21], par :
2
w a//
ycoll ≡ . (III-10)
4b 2 (T )
−ε
1 + 2 exp( )
b100 ( T )
ɶ 2
k BT
= , (III-11)
bɶ110
2
(T ) −ε
2
1 − exp( )
k BT
βɶ110 (a / 2) bɶst (T )
2
1
= ≈ (III-12)
βɶ100 a bɶzig (T )
2
2
Figure III.9 : Diffusivité pour les deux orientations de marches, <100>, bɶst2 et <110>, bɶzig
2
pour différentes températures (équations (Eqs. III-8, III-9)). L'encart montre leur quotient
bɶst2 / bɶzig
2
, qui est pratiquement égal à 1 pour 520 ≤ T ≤ 580).
Steps T(K)
Autocorrelation function Gx(y)
30
<001> 520
20
2
10
0 0
0 500 1000 y y 6
1500 2000 2500 8 10 0 2 4
Figure III.10 : (a) Fonction d'auto-corrélation pour les marches <100> et <110>. (b)
zoom de la figure (a) à coute distance y. Nos résultats montrent que G x ( y ) , suit une loi
linéaire à courte distance en accord avec la théorie.
15 15
5 5
0 0
0 5 10 15
y 20 25 30 0 5 10 15
y 20 25 30
~ ~ ~ ~
T (K) (kBT / a) β<001> (kBT / a) β<110> β<110> β<001>
La rigidité : Les marches <110> sont moins rigides que celles <100>, ce qui
explique la différence de la cinétique de relaxation pour les deux orientations.
Chapitre III :
Dynamique des marches atomiques à l'équilibre : Simulations Monte Carlo cinétique de la distribution des
largeurs des terrasses (TWD) et de la rigidité des marches 75
ρ100 1/ 2
De plus, nous pouvons déduire que ( ) ≈ 1.05 pour ρ > 2 , ce qui est
ρ110
σ110 0.48
pratiquement égal à = = 1.11. Ce rapport peut aussi être comparé à
σ100 0.43
~ 1/ 4
A110
~ ≈ 1.08 pour ρ ≥ 3 , c.à.d. où la distribution de Wigner peut être
A
100
approximée par une Gaussienne (fonction symétrique) [3]. Dans ce cas, nous
avons la relation suivante entre la quatrième puissance de la variance et l’inverse
1
de la rigidité des marches, σ ∝ ~
4
[33]. Ce qui permet d’écrire :
βA
~ 1/ 4
σ 110 A100 β100
= ~ .
σ 100 A110 β110
Par conséquent, en utilisant l'égalité de l'expression (Eq. III-12),
~ 1/ 4
β100
~ = 21 / 8 = 1.09 . Cela veut dire que l’interaction introduite par l’anisotropie
β
110
des marches est pratiquement incluse dans la rigidité, c.à.d. dans le paramètre
~
adimensionné A plutôt que dans l’intensité d’interaction A (sachant que :
~ ~
A = Aβ /(kBT ) ). Cette conclusion est en accord avec des prédictions précédentes
2
[34].
Ces mesures statistiques de la rigidité sont conformes à nos conclusions
tirées de l'analyse TWD et permettent une meilleure compréhension des
mécanismes sous-jacents régissant le transport de masse pendant les fluctuations
des marches. Nos résultats sont en bon accord avec une quantité considérable de
travaux [35-38].
En résumé, la comparaison entre les deux orientations des marches,
suivant les directions <100>-marches droites et <110>-marches en zigzag, montre
qu’elles ne possèdent pas les mêmes excitations élémentaires. En effet, nous
avons obtenu une dynamique de relaxation différente pour les deux orientations,
le mouvement des marches droites est régi par le détachement des atomes au
bord des marches, tandis que le mouvement des marches en zigzag est gouverné
par la création des crans sur les marches. La mesure de la rigidité pour les deux
orientations des marches, montre que celles-ci dépendent des barrières
énergétiques des marches et de leurs cinétiques. En effet, les marches <110> sont
moins rigides que les marches <100>, en accord avec les prédictions théoriques.
Dans ce qui suit nous allons voir l'effet des interactions avec les atomes
seconds proches voisins (NNN) sur la TWD et la rigidité de marches.
Chapitre III :
Dynamique des marches atomiques à l'équilibre : Simulations Monte Carlo cinétique de la distribution des
largeurs des terrasses (TWD) et de la rigidité des marches 76
0.04
0.05
0.02
0.00 0.00
0 5 10 l 15 20 25 0 5 10 15
l 20 25 30 35
Dans la figure (cf. figure III.13.a), nous illustrons l'effet des interactions
NNN attractives sur la variance de la TWD. Nous pouvons remarquer que le
temps de relaxation τ augmente (τ ≈ 9772,8s en absence de NNN (E2 = 0eV) et
égale à τ ≈ 63297,3s pour E2= E1/2). Cette croissance de τ est suivie par une
diminution de la variance de saturation σ sat de la TWD lorsque l'intensité des
interactions NNN croit (E2 augmente). Ce qui signifie que les interactions NNN
Chapitre III :
Dynamique des marches atomiques à l'équilibre : Simulations Monte Carlo cinétique de la distribution des
largeurs des terrasses (TWD) et de la rigidité des marches 78
0.05
(τ↑)
0.00 0.00
0 500000 1000000 1500000 2000000 2500000
t(s) 3000000 0 5 10
l
15 20 25
D'un autre côté, pour les interactions NNN répulsives, la dynamique des
marches augmente et, donc, la relaxation de la surface devient beaucoup plus
rapide. Dans ce cas, la TWD devient plus large et dissymétrique, ce qui reflète
que les marches fluctuent sous l'effet des interactions attractives (ρ < 2)
(cf. figure III.13.b).
Chapitre III :
Dynamique des marches atomiques à l'équilibre : Simulations Monte Carlo cinétique de la distribution des
largeurs des terrasses (TWD) et de la rigidité des marches 79
0.10
E2< 0
P(l) 0
0.08 E1/20
E1/14
E1/10
0.06
E1/8
E1/6
0.04 E1/4
E1/2
Fit
0.02
0.00
0 5 10
l 15 20 25 30 35
E2
ρ = ρ 0 exp
4 K BT
, (III-13)
σ = σ exp E 2
0
4 K BT
1.6
8 NNN attractives (E2 > 0).
σ sat NNN répulsives (E2 < 0).
ρ NNN répulsives (E2 < 0).
1.4
NNN attractives (E2 > 0).
Fit (Eq III-13). Fit (Eq III-13).
1.2
6
1.0
0.8
4
0.6
0.4
2
0.2
0 0.0
0 1 2 3 4 5 0 1 2 3 4 E2 / KBT 5
E2 / KBT
1.0
0.6
0.4
0.2
0.0
0 1 2 3 4 E2 / KBT 5
Figure III.15 : Evolution du paramètre d'ajustement α de l'équation (Eq. II-28) avec E2.
La dépendance est linéaire pour NNN attractive et NNN répulsive avec une pente qui est
égale à ≈ 1/ 6 .
E2
α = α0 + , (III-14)
6 K BT
où α 0 est le facteur de pondération obtenu dans la cas où les interactions NNN
sont absentes (NN seulement, α 0 < 0.1 ). Lorsque E2 croit, la distribution Pρ , n =3 ( s )
devient la plus prépondérante dans l'ajustement de la TWD, ce qui est en bon
accord avec notre modèle théorique (l’interaction NNN (ou dipolaire) introduit un
3
terme cubique en s dans le potentiel d'interaction (Eq. II-24)).
En résumé, nos résultats de simulation kMC valident le modèle théorique
que nous avons développé pour la quantification du mouvement des marches
atomiques. L'expression théorique de la TWD (Eq. II-28) donne un bon
ajustement des données des simulations dans les deux cas : NNN attractives et
NNN répulsives. D'autre part, nos résultats montrent que l'ajout des interactions
NNN affecte la dynamique des marches et l'interaction entre elles. Dans ce qui
suit, nous allons nous intéresser à l'effet de ces interactions NNN sur la rigidité
des marches βɶ (θ , T) dans le but de trouver la loi de dépendance entre E2 et
βɶ (θ , T) .
K BT m (1 − m) + 4m exp(E 2 / K BT)
2
= , (III-15)
βɶ a (1 + m2 )3/2
0.8 10
KBT / βɶa (E2 > 0).
0.7 Fit.
(E2 < 0). 8
0.6 Fit.
0.5
6
0.4
4
0.3
0.2
2
0.1
0.0 0
0 1 2 3 4 5 6
E2 / KBT
E2(eV)
0.28 E1/2
KBT
E1/4
βɶ(θ)a 0.24 E1/6
E1/8
0.20 E1/10
E1/16
0.16 E1/20
E1/25
0.12 0
0.08
0.04
0.05 0.10 0.15 0.20 0.25
m = tan(θ)
IV. Conclusions
En se basant sur les simulations Monte-Carlo cinétiques kMC, nous avons
étudié, dans ce chapitre, la relaxation des marches à l’équilibre (Flux=0). Nous
pouvons résumer les résultats trouvés dans les trois points suivants :
Premièrement : une comparaison entre les marches orientées dans les
directions <100> et <110>, basée sur l’analyse de leurs distributions des largeurs
des terrasses (TWD) et des mesures de rigidité, montre qu’elles ne possèdent pas
les mêmes excitations élémentaires. Tandis que le mouvement des premières est
régi par le détachement des atomes au bord des marches, le mouvement des
seconds quant à lui est régi par la création des crans sur les marches. La mesure
de la rigidité pour les deux orientations des marches, montre que celles-ci
dépendent des barrières énergétiques des marches et de leurs cinétiques. En
effet, les marches <100> sont plus rigides que les marches <110>. Nos résultats
des simulations kMC sont en bon accord avec notre modèle théorique pour la
rigidité des marches. Nous avons pu vérifier l’existence des interactions
répulsives purement entropique pour les marches orientées suivant la direction
<100>, alors que celles orientées selon la direction <110> fluctuent sous l'effet des
interactions de nature attractive. Lorsqu'on introduit une anisotropie au bord de
marche (barrière EES), l'interaction entre les marches <110> devient de nature
répulsive et l’augmentation de cette anisotropie intensifie les interactions
répulsives entre les marches.
Deuxièmement : nous avons mis en évidence, d'une part, l'effet des
interactions NNN sur la dynamique des marches. Pour des interactions NNN
attractives, la relaxation de la surface vers l'état d'équilibre stationnaire devient
Chapitre III :
Dynamique des marches atomiques à l'équilibre : Simulations Monte Carlo cinétique de la distribution des
largeurs des terrasses (TWD) et de la rigidité des marches 85
plus lente. Ainsi, les interactions entropiques répulsives entre les marches
<100>, observées dans le cas des interactions NN seulement, s'intensifient avec
l'intensité de ces interactions NNN (E2). Pour les marches <110> l'interaction
n'est pas de nature attractive et les marches fluctuent sous l'effet des interactions
répulsives. Cependant, pour des interactions NNN répulsives, les fluctuations
des marches sont régies par des interactions attractives. D'autre part, nos
simulations kMC confirment la validité des approximations utilisées dans le
modèle théorique pour la quantification du mouvement des marches que nous
avons développé (voir chapitre II). Notamment l'ajout d'un terme coulombien
"dipolaire" dans l'équation de Langevin a permis d’obtenir un bon ajustement de
la TWD de simulation par l'expression théorique. L'effet des interactions NNN
sur la rigidité des marches, montre que la rigidité des marches en zigzag <110>
est plus affectée par ces interactions que les marches droites <100>. De plus, les
simulations Monte Carlo cinétiques sont en très bon accord, qualitativement et
quantitativement, avec les prédictions théoriques de Stasevich et al. [14] et les
observations expérimentales [20, 33].
Enfin, nous aboutissons à la conclusion intéressante suivante : les
fluctuations des marches atomiques sont contrôlées, particulièrement, par la
rigidité des marches. Cette dernière est reliée à l’énergie nécessaire pour générer
un cran dans la marche. Ces crans jouent un rôle significatif dans la relaxation
des marches. En effet, les fluctuations des marches, sont liées au transport d’un
atome d’un cran à un autre. Il est connu que la rigidité est souvent utilisée pour
décrire le méandrage des marches [33]. Pour essayer de comprendre la relation
entre la rigidité des marches et l'instabilité de méandrage et l'effet des
interactions NNN sur cette instabilité cinétique, des simulations Monte Carlo
cinétiques ont été réalisées afin de modéliser la croissance épitaxiale sur une
surface vicinale du cuivre Cu (100). Un travail dédié à la compréhension de cette
instabilité va être présenté dans le dernier chapitre de cette thèse.
Bibliographie (Chapitre III) 86
Bibliographie
[1] H-C. Jeong, Ellen D. Williams, Steps on surfaces: experiment and theory, Surface
Science Reports. 34 171-294 1999.
[2] E.D. Williams, R.J. Phaneuf, J. Wei, N.C. Bartelt, T.L. Einstein, Surf. Sci. 310 451
1994.
[3] A. BH. Hamouda, A. Pimpinelli and T. L. Einstein, European Physics Letter. 88
26005 2009.
[4] Rajesh Sathiyanarayanan, Ajmi BH. Hamouda, T. L. Einstein, Phys. Rev. B. 80
153415 2009.
[5] Chuan-Fu Lin, Ajmi BH. Hammouda, Hung-Chih Kan, N. C. Bartelt and R. J.
Phaneuf, Phys. Rev. B. 85 085421 2012.
[6] Ajmi BH. Hamouda, A. Pimpinelli, T. L. Einstein, Surface Science. 602 3569 2008;
J. Phys. Condens. Matter 20 355001 2009.
[7] Q. Zou, M. Liu, G. Q. Wang, H. L. Lu et al, Applied. Materials. Interface. 9 6707-6708
2014.
[8] Bas L. M. Hendriksen, Marcelo D. Ackermann, Richard van Rijn, Dunja Stoltz et al,
Nature Chemistry 2 730-734 2010.
[9] Xue-Qing Gong, Annabella Selloni, Matthias Batzill et Ulrike Diebold, Nature
Materials. 5 665-670 2006.
[10] Atsushi Tsukazaki, Akira Ohtomo, Takeyoshi Onuma et al, Nature Materials. 4 42-
46 2005.
[11] Guang Yao, Min Gao, Yanda Ji, Weizheng Liang et al, Scientific Reports 6 34683
2016.
[12] Guang Yao, Yanda Ji, Weizheng Liang and al, Nanoscale. 9 3068 2017.
[13] T. J. Stasevich and T. L. Einstein, SIAM: Multiscale Modeling and Simulation. 6 90
2007; T.J. Stasevich, H. Gebremariam, T.L. Einstein, M. Giesen, C. Steimer et H. Ibach,
Physical Review B. 71 245414 2005.
[14] T. J. Stasevich, T. L. Einstein, R. Zia, M. Giesen, H. Ibach et F. Szalma, Physical
Review B. 70 245404 2004.
[15] S. Kodambaka, S.V. Khare, V. Petrova, D. D. Johnson, I. Petrov, and J. E. Greene,
Physical Review B. 67 035409 2003.
[16] S. Kodambaka, V. Petrova, S.V. Khare, D.D. Johnson, I. Petrov, and J.E. Greene,
Physical Review Letters 88 14 2002.
[17] Sabine Dieluweit, Harald Ibach, Margret Giesen, T. L. Einstein, Physical Review B.
67 121410(R) 2003.
[18] Mohammad Al-Shakran, Ludwig A. Kibler, Timo Jacob, Harald Ibach, Guillermo L.
Beltramo, Margret Giesen, Surface Science. 651 84 2016.
[19] Harald Ibach, Margret Giesen, Mohammad Al-Shakran, Ludwig A. Kibler, Timo
Jacob, Surface Science. 659 52-57 2017.
[20] L. Persichetti, A. Sgarlata, M. Fanfoni, M. Bernardi, and A. Balzarotti, Physical
Review B. 80 075315 2009.
[21] Brahim. Mahjoub, Ajmi. BH. Hamouda et T.L. Einstein, Surf. Sci. 662 74-81 2017.
[22] Brahim. Mahjoub, Ajmi B.H. Hamouda, T.L. Einstein et al, en cours. "Effect of
attractive and repulsive NNN interactions on step-dynamics of vicinal surfaces at
equilibrium and during epitaxial growth".
[23] A. Pimpinelli, H. Gebremariam, T. L. Einstein, Phys. Rev. Lett. 95 246101 2005.
[24] S. Bustingorry and P. M. Centres, Physical Review E. 84 011613 2011.
[25] A.Videcoq, A. Pimpinelli et M. Vladimirova, Appl. Surf. Sci. 177 213 2001.
[26] S. Blel, A. BH. Hamouda, Brahim. Mahjoub, T.L. Einstein, Phys. Rev. B 95
085404 2017.
[27] Ajmi B.H. Hamouda, Brahim Mahjoub, S. Blel, Surf. Sci. 661 42-48 2017.
Bibliographie (Chapitre III) 87
[28] N.C. Bartelt, J.L. Goldberg, T.L. Einstein, E.D. Williams, Surf. Sci. 273 252 1992.
[29] H. J.W. Zandvliet, R. Van Moere, Bene Poelsema, Physical Review B. 68 073404
2003.
[30] G.S. Verhoeven, Joost W.M. Frenken, Surface Science. 601 13 2007.
[31] A.-L.Barabási, H. E. Stanley, “Fractal concepts in surface growth”, Cambridge 1995.
[32] M. Ondrejcek, W. Swiech, G. Yang, C. P. Flynn, Philosophical Magazine Letters, 84
69-77 2003.
[33] Margret Giesen, Progress in Surface Science. 68 1-135 2001.
[34] R. Sathiyanarayanan, Ajmi B.H. Hamouda, T.L. Einstein, Phys. Rev. B. 80 1 2009.
[35] A. Karim, M. Rusanen, Ismo T. Koponen, T. Ala-Nissila, T. S. Rahman, Surface
Science 554 L113–L119 2004.
[36] M. Ondrejcek, W. Swiech, C.S. Durfee, C.P. Flynn, Surface Science 54 131 2003.
[37] M. Ondrejcek, W. Swiech, M. Rajappan, C. P. Flynn, Physical Review B. 72 085422
2005.
[38] M. Ondrejcek, M. Rajappan, W. Swiech, C. P. Flynn, Journal of Applied Physics. 100
083523 2006; Physical Review B. 73 035418 2006.
[39] H. Mehl, Ofer Biham, I. Furman, Majid Karimi, Phys. Rev. B. 60 2106 1999.
[40] Ajmi BH Hamouda, N. Absi, P. E. Hoggan, A. Pimpinelli, Phys. Rev. B. 77 245430
2008; Ajmi BH Hamouda, T. J. Stasevich, Alberto Pimpinelli et T. L. Einstein, J. Phys.
Cond. Matter. 21 084215 2009; Ajmi BH Hamouda, R. Sathiyanarayanan, A. Pimpinelli,
T. L. Einstein, Phys. Rev. B. 83 035423 2011.
[41] Y. Shim, J.G. Amar, Phys. Rev. B.73 035423 2006.
[42] M. Rusanen, I. T. Koponen, J. Heinonen, T. Ala-Nissila, Phys. Rev. Lett. 86 5317–
5320 2001.
Chapitre IV
Effet des interactions NNN et de la mobilité des adatomes
sur l'instabilité des méandres des marches : Cas du cuivre
Cu(100)
Sommaire
I. Origine physique de l’instabilité du méandrage ......................................................................... 89
II. Aperçu général sur l'instabilité de méandrage observée sur Cu (1 1 17) et Cu (0 2 24) ........... 91
III. Effet des interactions NNN sur la longueur d'onde de l'instabilité des méandres .................. 94
III.1. Modèle et paramètres des simulations kMC .......................................................................... 95
III.2. Influence du flux de croissance ............................................................................................. 96
III.3. Influence de la température du substrat ................................................................................. 99
III.4. Effet des interactions NNN sur la rigidité effective des marches (hors équilibre) ................. 101
IV. Effet des interactions NNN sur la mobilité des adatomes ...................................................... 105
IV.1. Modèle théorique ................................................................................................................ 105
IV.2. Résultats des simulations kMC de la mobilité des adatomes ................................................ 109
V. Conclusions ............................................................................................................................... 111
Bibliographie ............................................................................................................................. 113
Chapitre IV :
Effet des interactions NNN et de la mobilité des adatomes sur l'instabilité des méandres des marches : cas du
cuivre Cu(100) 88
∆ E ES
Ed
Les bases de l'étude de l'instabilité des méandres sur une surface vicinale
ont été jetées par Bales et Zangwill [20]. Ces auteurs ont montré qu’en présence
d'un effet (EES), ou comme on vient de le voir d’une asymétrie d’attachement aux
bords des marches, une marche droite est morphologiquement instable pendant
la croissance. En effet, les adatomes s’incorporent aux marches aux endroits
qu’ils atteignent en premier. Pour une marche présentant une petite ondulation
(cf. figure IV.2) ce processus se traduit par le fait que les adatomes arrivant de la
terrasse supérieure vont plutôt aller se coller dans les creux de la marche, tandis
que les adatomes provenant de la terrasse inférieure vont préférer s’attacher au
niveau des proéminences. La présence d’une barrière EES va obliger les adatomes
à s’incorporer à la marche principalement à partir de la terrasse en aval et, par
conséquent, la perturbation va être amplifiée avec le temps. Ainsi, les
ondulations des bords des marches vont s’accentuer et l’instabilité de méandrage
va naître.
(b)
(a)
Figure IV.2 : Marche présentant une déformation du type méandre. L'atome (b) va plutôt
s'incorporer dans les creux de la marche, alors que l'atome (a) s'incorporera en priorité
aux proéminences de la marche.
D’autres effets peuvent être à l’origine du méandrage des marches [8, 21].
Dans notre étude nous nous sommes intéressés à l'instabilité de méandrage
introduit par une barrière EES, puisque le mécanisme proposé par Bales et
Zangwill, étant le plus ancien et le mieux connu, est en général le seul retenu par
Chapitre IV :
Effet des interactions NNN et de la mobilité des adatomes sur l'instabilité des méandres des marches : cas du
cuivre Cu(100) 91
ℓ
ℓ
Figure IV.3 : Structures cristallographiques des surfaces vicinales du Cu(0 2 24) dont
les marches sont orientées dans la direction <100> et le Cu(1 1 17) dont les marches sont
orientées dans la direction <110>, les deux surfaces sont obtenues en coupant la surface
Cu(100) suivant un angle de désorientation θ = 4.8 , la largeur de la terrasse est
ℓ = 2.17 nm [11].
Chapitre IV :
Effet des interactions NNN et de la mobilité des adatomes sur l'instabilité des méandres des marches : cas du
cuivre Cu(100) 92
a b c
Figure IV.4 : (Haut) Instabilités des méandres, observées à l'aide d'un microscope à
effet tunnel (STM) pour les surfaces (a) Cu(0 2 24), (b) Cu(1 1 17) et (c) Cu(1 1 17) à plus
haut flux et après un temps de croissance plus long qu'en (b). Dans la surface (c) on
remarque l'apparition des îlots, pyramides à base carrée sur les méandres. (Bas)
Variation de la longueur d'onde λ (normalisée par ℓ ), en fonction du flux de dépôt
(Gauche) et en fonction de la température T (Droite). De Réfs [9, 11].
monticules de forme spécifique "pyramides à base carrée" sur les méandres, ces
pyramides sont bien développés sur le cuivre Cu(1 1 17). D’autre part, l’étude
quantitative des caractéristiques de l’instabilité sur le cuivre montre que cette
dernière est en désaccord avec les prédictions théoriques d’une instabilité de
méandrage du type Bales-Zangwill [20]. Il est connu, que la barrière EES induit
une instabilité des méandres bien définie et caractérisée par une longueur d’onde
λBZ qui varie avec le flux F comme : λBZ ~ F − q , avec q = 1/2. Cependant,
expérimentalement, la variation de la longueur du méandre avec le flux donne un
exposant q toujours très inférieur, q = 0.21 pour le cas du Cu(1 1 17) et q = 0.17
pour Cu(0 2 24) (cf. figure IV.4).
Sur un plan quantitatif, les résultats expérimentaux sont en désaccord
avec les prédictions théoriques d’une instabilité de Bales-Zangwill produite par
une barrière Ehrlich Schwoebel. Ainsi, de nombreuses études ont été consacrées
à l'explication de cette divergence. Ce qui a permis de découvrir d'autres
mécanismes conduisant à l'apparition de l'instabilité des méandres tels que :
l’asymétrie de l’incorporation aux crans le long des bords des marches "KESE"
[22-25]. Bien que ce mécanisme permet de bien décrire, quantitativement, les
résultats expérimentaux obtenus lors de la croissance des surfaces Cu(1 1 17) et
Cu(0 2 24), cependant, il est incapable de reproduire toutes les observations
morphologiques expérimentales (à savoir les pyramides à bases carrées
(monticules) qui se développent sur une surface de Cu(1 1 17)) [22-23]. Une autre
explication possible est la modification de la longueur d'onde due à la présence
d'impuretés. En effet, cette approche d'impuretés permet une meilleure cohérence
entre les simulations kMC et les expériences : les simulations sans impureté
reproduisent les méandres observés expérimentalement, mais seules les
simulations avec impuretés permettent d'observer des monticules sur une surface
de Cu(1 1 17) [8, 27]. Bref, il n'existe pas à ce jour d'explication satisfaisante des
résultats expérimentaux obtenus pour de telles surfaces de Cuivre.
Récemment, une étude a été effectuée au sein de notre équipe pour
reproduire la morphologie et les données expérimentales obtenues lors de la
croissance d'une surface de Cu(0 2 24), basée sur l'ajout des interactions
attractives avec les atomes seconds proches voisins NNN dans le code de
simulation [12]. En effet, une étude préliminaire a été réalisée par ma collègue
Sonia Blel, montre que le mécanisme des interactions NNN attractives conduit à
des résultats assez similaires à ceux obtenus par l'approche d'impuretés [8] et
confirme les observations expérimentales, aussi bien qualitative que quantitative
[12].
Chapitre IV :
Effet des interactions NNN et de la mobilité des adatomes sur l'instabilité des méandres des marches : cas du
cuivre Cu(100) 94
Dans cette partie on s'est attaché à étudier par des simulations Monte
Carlo cinétique le comportement morphologique d'une surface de Cuivre
Cu(0 2 24), homoépitaxiée sur Cu(0 2 24), en fonction de l'intensité des
interactions NNN (E2 = ENNN). D'un côté, nous avons amélioré les résultats déjà
trouvés par ma collègue Sonia Blel, en utilisant des paramètres de simulation
beaucoup plus proches de ceux utilisés dans l'étude expérimentale et faisant des
calculs plus précis. D'un autre côté, notre étude s'est principalement portée sur
l'effet des interactions NNN répulsives, sur la longueur d’onde des méandres λ et
sur la rigidité des marches (hors équilibre), de même que leur effet sur la mobilité
des adatomes. Nous présenterons ensuite les détails de notre modèle numérique
et nous montrerons les résultats obtenus lors de cette étude.
σ e ff des adatomes. En effet, nous pensons que ces quantités effectives ( βɶeff , σ e ff )
peuvent dépendre des effets externes tels que : le taux de dépôt, les impuretés...
etc, ou même des interactions NNN (Effet intrinsèque). Egalement, ces quantités
peuvent affecter, à leur tour, la longueur d’onde λ de l’instabilité de méandrage.
Dans le modèle théorique de Bales-Zangwill, la longueur d’onde de
l’instabilité de méandrage λBZ s’écrit sous la forme suivante [7, 11, 21-23, 29-32] :
Chapitre IV :
Effet des interactions NNN et de la mobilité des adatomes sur l'instabilité des méandres des marches : cas du
cuivre Cu(100) 95
a 4 βɶ eq (σ eq )
λBZ = 4π , (IV-1)
f ES ℓ 2 F
Où βɶ est la rigidité des marches à l’équilibre, F est le flux de dépôt, a est le paramètre de
eq
la maille, f ES est un terme qui décrit l'effet de la barrière EES (voir paragraphe
IV.1.) et σ eq est la mobilité totale d’équilibre, qui s'écrit comme suit :
σ eq = σ seq + σ Teq , (IV-2)
où σ Teq et σ Seq , sont respectivement, la mobilité des adatomes sur la terrasse et la
mobilité des adatomes au bord des marches (correspond à la relaxation de la
surface, liée à la diffusion des adatomes au bord des marches). Leur expression
est donnée par : [7, 29-32] :
eq ℓDT cTeq
σ T = k T
B
eq (IV-3)
σ eq = aDs cs
s k BT
Notre objectif est d’étudier l'effet des interactions NNN sur la longueur
d’onde de l’instabilité de méandrage et la dépendance de cette dernière avec ces
quantités : la rigidité effective βɶ des marches et la mobilité effective σ
eff qui e ff
terrasse ɶℓ exp ≈ 8.5 par la valeur utilisée dans nos simulations ℓ = 10 a , de telle
sorte que : (λ /10) exp = (8.5 / 10) × 1.55 × F −0.17 = 1.317 × F −0.17 , ainsi Cexp = 1.317 est en
bon accord avec CkMC = 1.311 ( E2 ≈ E1/6 pour NNN attractives).
E2 =0 -E1 / 6 -E1 / 2
E2 =0 E1 / 6 E1 / 2
1
2x10
E2> 0 E2< 0
λ 0
10
2
E1/2
~ E1/20 E1/4
ℓ E1/18 E1/6
10
1
E1/14 λ E1/8
~ E1/10
E1/10 ℓ E1/14
E1/8
E1/18
E1/6
1 E1/20
E1/4 10
0
E1/2
0
10
-3 -2 -3 -2
10 F(ML/s) 10 10 F(ML/s) 10
Figure IV.5 : (Haut) Images des simulations kMC : évolution de la largeur des
méandres en fonction de l’intensité des interactions NNN : attractives (E2 > 0) et
répulsives (E2 < 0) après un dépôt de 30 ML à un flux F = 5 ×10−3 ML / s , T = 294K et pour
E2 = 0, E1 / 6 et E1 / 2 . (Bas) Variation de la longueur d’onde des méandres en fonction du
flux de dépôt tracée pour différentes valeurs de E2 (en échelle log-log), (Bas-gauche) Pour
des interactions NNN attractives (Bas-droite) Pour des interactions NNN répulsives.
Chapitre IV :
Effet des interactions NNN et de la mobilité des adatomes sur l'instabilité des méandres des marches : cas du
cuivre Cu(100) 98
Figure IV.6 : Images des simulations kMC montrant les profils des îlots pour différentes
valeurs de E2 pour NNN attractives et répulsives à un flux de dépôt F = 10−3 ML / s et une
température T = 280 K , avec un taux de recouvrement τ c = 0.2 ML sur une surface plane de
dimension (200a × 200a) .
Discussion
Nous avons présenté une nouvelle approche pour interpréter les résultats
expérimentaux du Cuivre Cu(100), basée sur les interactions NNN. Nos
simulations kMC montrent que la morphologie de surface du Cu(0 2 24) est
profondément affectée par les interactions NNN. En effet, il y a une
compétition entre les interactions NN (d’énergie ENN = E1 ) et NNN (d’énergie
ENNN = E2 ). D’une part, dans le cas des interactions NNN attractives, cette
compétition conduit à l’apparition des structures fractales (cf. figure IV.6),
donc à un renforcement de la rugosité des marches1 [12-14]. Par conséquent
l’incorporation des adatomes provenant du flux de dépôt aux marches,
provoque une diminution de la rigidité effective et de la mobilité effective des
adatomes en surface (voir paragraphes III.4. et IV.2.). Ainsi, ces interactions
NNN entrainent un rétrécissement de la longueur d’onde de méandre des
marches. Par ailleurs, nous avons obtenu une nouvelle forme d’instabilité de
1
En régime de sub-moncouche, l’ajout des interactions NNN attractives conduit à l’apparition des
structures fractales en forme de doigts au bord des marches. Ainsi la densité des crans augmente et
donc ces interactions NNN affectent la rigidité des marches. Le développement de ces fractales
entraine une diminution de la longueur d’onde des méandres [12-14].
Chapitre IV :
Effet des interactions NNN et de la mobilité des adatomes sur l'instabilité des méandres des marches : cas du
cuivre Cu(100) 99
2.0
E1/14
1.5 0.35
E1/10 0.4
E1/6 28
1.0 ±0
E1/4 0.30 .00
1-(
0.5 2.0
11
0.25 ±0
0.0 .02
03
-0.5 ×E
0.20 2)
-1.0
1/kBT 0.15
-1.5
38 40 42 44 46 0.00 0.02 0.04 0.06 0.08 E2 0.10 0.12
Pour les deux types d'interactions et quelle que soit E2, la variation de la
longueur d'onde du méandre avec la température obéit à une loi du type
Arrhenius : λ = λ0 exp(− E a/ K BT ) , où E a , est l'énergie d'activation du méandre.
0.45
3.5 Simulation (E2< 0).
λ
Ln ~ Fit
Energie d'activation Ea
ℓ 3.0 0.40
2.5
0.35
2.0
0.4
E2< 0 26
1.5 ±0
E1/2 0.30 .00
1.0 E1/6 2-(
1.9
E1/10 77
0.5 0.25 ±0
E1/14 .03
0.0 1×
E1/20 E2
0.20
)
-0.5 0
-1.0
0.00 0.02 0.04 0.06 0.08 0.10 0.12
38 40 42 44 1/kBT 46 E2
Ea = EaNN − 2 E2 , (IV-4)
avec EaNN ≈ 0.426 l'énergie d'activation du méandre dans le cas des interactions
NN seulement (E2 = 0eV).
Soulignons que cette énergie d'activation (Eq. IV-4) est en désaccord avec
l'énergie trouvée expérimentalement par Maroutian [11] Eexp = 0.132 ± 0.012eV .
Cependant, l'énergie d'activation trouvée numériquement pour E2 = 0eV est en
très bon accord avec une autre étude expérimentale [16].
Chapitre IV :
Effet des interactions NNN et de la mobilité des adatomes sur l'instabilité des méandres des marches : cas du
cuivre Cu(100) 101
Fonnction d'autocorrelation
1 ML 1 ML
1.8 0.4
2 ML 2 ML
3 ML 3 ML
1.6
4 ML 4 ML
1.4 5 ML 5 ML
0.3 6 ML
6 ML
1.2 7 ML 7 ML
8 ML 8 ML
1.0 9 ML 9 ML
10 ML 0.2 10 ML
0.8 12 ML 11 ML
14 ML 12 ML
0.6 14 ML
18 ML
20 ML 0.1 16 ML
0.4
18 ML
0.2 20 ML
0.0 0.0
0 2 4 6 8 10 12 14
0 2 4 6 8
y 10 12 14 16 18 20
y 16 18 20
-2
35 2×10
-2
1×10
-3
30 5×10
-3
3×10
25 -3
2×10
-3
20 1×10
-4
8×10
15 -4
5×10
10
0
0 2 4 6 y 8 10 12 14
40 2.0
E2 > 0
Fonctiond'autocorrelation
E2 < 0
Fonction d'autocorrelation
E1/2 0
35
E1/4 E1/20
30 E1/6 1.5 E1/18
E1/8 E1/14
25 E1/10 E1/10
E1/14 E1/8
20 1.0
E1/18 E1/6
E1/20 E1/4
15
0 E1/2
10 0.5
0 0.0
0 2 4 6 y 8 10 12 14 0 2 4 6 8 10 12 14 16
y 18 20
Figure IV.9 : (Haut) Fonction d'auto-corrélation à différents flux de dépôt pour E2=0eV.
(Bas) Fonction d'auto-corrélation pour différentes valeurs de E2 à un flux de dépôt
F = 5 × 10−4 ML / s . (Gauche) pour E2 > 0 et (Droite) pour E2 < 0.
k BT -4
5×10 k BT 100 8×10
-4
8 -4
8×10 1×10
-3
-3 -3
1×10 2×10
80 -3
6 -3 3×10
2×10 -3
-3 5×10
3×10 60 1×10
-2
-3
4 5×10 2×10
-2
-2
1×10 40
-2
2 2×10
20
0
0
0 1 2 3 4 E2 5 0.5 1.0 1.5 2.0 E2 2.5
kBT k BT
Figure IV.10 : Rigidité effective des marches en fonction de E2 pour différents flux de
dépôt et pour EES=0eV. Les données des simulations sont ajustées par l’expression IV-6.
(Gauche) Pour NNN attractives (Droite) Pour NNN répulsives.
D'un côté, il est bien clair que βɶeff décroit avec l'augmentation du flux pour
NNN attractives et répulsives. D'un autre côté, Nous avons constaté que la
rigidité effective diminue lorsque l’énergie E2 croit pour NNN attractives. Le
comportement inverse est obtenu dans le cas des interactions NNN répulsives.
Nous pouvons, donc, noter que le comportement de la rigidité vis-à-vis des
interactions NNN est l'inverse de celui trouvé à l'équilibre (F=0ML/s). Ce
résultat met en évidence la différence profonde entre le mouvement des marches
à l’équilibre (F=0) et hors équilibre (F≠0). En effet, lors de la croissance, le flux
affecte la dynamique et la structuration des marches atomiques [39]. Donc,
l'évolution de la morphologie de la surface est gouvernée essentiellement par le
processus d'attachement. Par conséquent, hors équilibre, la rigidité des marches
dépend non seulement de l'énergie des marches et leur orientation, mais elle est
affectée par le flux de dépôt. Ainsi, nous pouvons conclure que la rigidité des
marches peut dépendre des effets externes tels que : le flux, les impuretés (étude
en cours),...Par ailleurs, nous avons pensé qu'il y a un effet compétitif entre les
interactions NNN et le flux F de dépôt. Cet effet est, d'autant plus important, que
le mode de croissance se fait par écoulement des marches. C’est le cas de notre
étude ( 5 ×10−4 ≤ F ≤ 2 ×10−2 ). Dans cet intervalle de flux, le mouvement des
marches est régi essentiellement par les adatomes déposés sur la surface, ainsi
Chapitre IV :
Effet des interactions NNN et de la mobilité des adatomes sur l'instabilité des méandres des marches : cas du
cuivre Cu(100) 104
c'est le flux qui va définir le profil des marches et il affecte, donc, la rigidité des
marches [13]. Nos résultats montrent que la rigidité effective des marches varie
avec l’intensité des interactions NNN (E2) suivant une loi exponentielle [13] :
βɶ a βɶ a E
= × exp − 2 , (IV-6)
K BT K BT E =0 K BT
2
Où β a
ɶ
, répresente la rigidité des marches en abseence des interactions
K BT E
2 =0
NNN (E2=0eV).
a
E2 > 0 E2> 0
1
0 λ E1/6
10 E1/20 ~
~ ℓ 0
βa E1/18
Fit
E1/14
k BT 0.498 ± 0.026
E1/10
E1/8
E1/6
0
10 E1/4
E1/2
0
10
-1 10 ~
10
-3
10
-2
F(ML/s) 0.1 1 10 βa
b k BT
2
E 2< 0 10
λ
E2< 0
2
10 E 1 /2
E /6
~
βa E 1 /4 ~ 1
E 1 /6
ℓ 0
k BT F it
E 1 /8
E 1 /10
10
1 0.503 ± 0.009
E 1 /14
1
E 1 /18 10
E 1 /20
0
0
10
0
10 ~
F(ML/s) βa
-3 -2
10 10 1 10
k BT
Figure IV.11 : (Gauche) Rigidité effective des marches en fonction du flux de dépôt (en
échelle log-log) pour différentes valeurs de E2, EES=0.07eV. (Droite) Dépendance entre la
longueur d’onde de méandre λ et la rigidité des marches β~a / K B T (en échelle log-log) pour
E2=0eV et E2=E1/6, vérification de la relation λ 2 ∝ β~ .(a) pour NNN attractives (b) pour
NNN répulsives.
Tableau IV.2 : Exposant p de la rigidité effective des marches pour différent E2 dans le
cas des interactions NNN attractives et répulsives, déterminées par un ajustement des
données de la figure IV.10 par une fonction de type : βɶeff ∝ F − p .
Figure IV.12 : Représentation schématique d'un train de marches d’une surface vicinale
en régime d’écoulement couche par couche. La terrasse d’ordre n a une largeur wn=xn-xn-1
et une concentration des adatomes c(xn), J+ désigne la probabilité d'incorporation
d'adatomes à la marche descendante.
∂c(ξ ) ∂ 2c(ξ ) 1
=D + F − c(ξ ) (IV-8)
∂t ∂ξ 2
τ
Le premier terme du second membre décrit la diffusion des adatomes sur les
terrasses, où c est la concentration totale des adatomes sur la surface,
ξ ( x, t ) = x − vt est le profil de la marche à la position x et à l'instant t et D est la
constante de diffusion. Le second terme est le flux incident F et le dernier terme
prend en compte la désorption (ou l'évaporation), avec 1 / τ la probabilité
d'évaporation d'un adatome par unité de temps.
Notons que, dans notre modèle, l’évaporation est négligeable de telle sorte
que nous avons négligé le dernier terme de l'équation (Eq. IV-8).
Pour mener l’étude nous considérons les conditions aux limites suivantes :
c( xn ) = 0 et c( xm +1 ) = J + c eq , évaluées entre les marches voisines, situées entre les
eq
positions xn et xn+1 (cf. figure IV.12), où c est la concentration des adatomes à
l’équilibre et le coefficient d’accrochement J + est relié à la barrière EES par
J + = exp(− EES / K BT ) . Après quelques manipulations mathématiques, (en terme
de ξ ), nous aboutissons à la relation suivante pour la concentration :
F ℓ ( xn − x)
c( x,υ ) = + K ( x, v) + ( J + c eq ) K ( x, v ) . (IV-9)
2v ℓ
1 − exp [ −2v( x − xn ) / D]
Avec K ( x, v) = , K ( x = xn , v) = 0 et K ( x = xn +1 , v) = 1 .
1 − exp [ −2vℓ / D]
2
Le flux critique Fc sépare deux régimes de croissance différents, au-dessous de Fc le régime
d’écoulement des marches, s’établit et au-dessus duquel le régime de nucléation des ilots domine.
Chapitre IV :
Effet des interactions NNN et de la mobilité des adatomes sur l'instabilité des méandres des marches : cas du
cuivre Cu(100) 108
c0 ( xɶ ) = ( J + ceq ) xɶ
−2 F (IV-11)
c F ( ɶ
x ) = ɶ
x (1 − ɶ
x ) a
Fc
Par la suite, en se référant aux Refs. [30-31], nous déduisons les mobilités
correspondantes à chacun de ces termes (Eq. IV-9), comme suit :
(k BT / a )σ 0 = Dc0 = D ( J + c eq ) xɶ
−2 F
(IV-12)
(k BT / a )σ F = ℓDcF = ℓDxɶ (1 − xɶ )a F
ɶ ɶ
c
~ ~
Pour faire le lien avec nos simulations, nous avons ~ x = m / ℓ , où m = 1,2,..., ℓ ;
d’où on définit :
La concentration à la limite supérieure de la marche : ( ~x = 1 ) :
cts = J + c eq . (IV-13)
~
La concentration en bas de la marche : ( ~
x = 1/ ℓ ) :
1 1 F ɶℓ − 1 −2 F
cbs = (1 − ) a −2 = 2 a (IV-14)
ɶℓ ℓɶ Fc ℓɶ Fc
Ainsi, la concentration qui contribue au mouvement de la marche, s’écrit :
ɶℓ − 1 −2 F
csm = cts + cbs = J + c eq + a . (IV-15)
ℓɶ 2 Fc
Par conséquent, en utilisant l'égalité (Eq. IV-12), la mobilité correspondante,
équivalente à celle de la marche, s'écrit ainsi :
k BT D ( ɶℓ − 1) −2 F
( )σ sm = Dcsm = DJ + c eq + a = 1.52 + 4.5 × F . (IV-16)
a ℓɶ 2 Fc
Soulignons que, hors équilibre, comme pour la rigidité effective des marches, on
parle aussi d'une mobilité effective. Ainsi, l'expression (Eq. IV-16) correspond à la
contribution des deux mobilités effectives [13-14] :
Une mobilité effective au bord des marches, indépendante du flux de dépôt :
kT
( B )σ 0 = Dc0 ( xɶ = 1) = DJ + ceq = 1.52 (IV-17)
a
Une mobilité effective sur la terrasse :
kT ( ɶℓ3 − 7 ℓɶ + 6) ℓɶ
( B )σ F = DɶℓcF = × F = (7.8 ×102 ) × F (IV-18)
a 12
ℓɶ 3 − 7 ℓɶ + 6 F
ℓ −1 ɶ
n n F
Où cF = ∑ (1 − ) = ( ) , avec n = 1 correspondant à la concentration des
ɶ
n =2 ℓ ℓɶ Fc 6ℓɶ 2 Fc
adatomes incorporés au bord des marches.
Chapitre IV :
Effet des interactions NNN et de la mobilité des adatomes sur l'instabilité des méandres des marches : cas du
cuivre Cu(100) 109
σɶ eff ∝ F= F (IV-20)
βɶeff α βɶeff
ɶℓ = 1 / J , f = ℓ ES / ℓ ≅ 0.613 ), λɶ = λeff et
(4π )2 ~ ɶ ɶ
−2
où α = ≅ 2.57 × 10 (pour ℓ = 10 , +
1 + ℓɶ ES / ɶℓ ℓɶ
ES ES eff
f ES ℓɶ 4
βɶ eff sont des quantités adimensionnées qui désignent respectivement, la
longueur d’onde de l’instabilité des méandres et la rigidité des marches, déduites
de nos simulations kMC. Ainsi, la mobilité σ~eff = ( k BT / a )σ eff est exprimée dans
la même unité que F (c.à.d. en s-1).
Par conséquent, les équations (Eqs. IV-17 et IV-18) sont, par la suite,
comparées avec nos simulations kMC de la mobilité effective σɶ eff .
0.5
a
E2 > 0 E2 >0
ασɶeff 0
1.4
E1/2
E1/20 E1/4
0.4 1.2
0.0 0.0
0.000 0.005 0.010 0.015 0.020 0.000 0.005 0.010 0.015 0.020
F(ML/s) F(ML/s)
b
2.5 0.4
E2 < 0 E2 < 0
ασɶeff
E1/2 0
Concentration des crans
E1/4 E1/20
2.0
E1/6 0.3 E1/14
E1/8 E1/10
1.5 E1/10 E1/8
E1/14 E1/6
0.2
E1/20 E1/4
1.0 0 E1/2
Fit Fit
0.1
0.5
0.0 0.0
0.000 0.005 0.010 0.015 0.020 0.000 0.005 0.010 0.015 0.020
F(ML/s) F(ML/s)
par le flux de dépôt F et les interactions NNN. La densité des crans croit avec le
flux et l’intensité des interactions NNN attractives, alors que la mobilité effective
augmente avec F, mais diminue avec E2. Cependant, pour des interactions NNN
répulsives la densité des crans décroit lorsque ces interactions deviennent plus
intenses, accompagnée par une croissance de la mobilité effective. Ce qui montre
que la rigidité effective des marches et la mobilité effective des adatomes sont
étroitement liées à la concentration des crans et, donc, à l’orientation des
marches.
En outre, un très bon accord a été retrouvé entre le développement
théorique de la mobilité et les résultats des simulations, comme le montre la
figure IV.13. Ce qui a permis, d’une part, de valider le développement théorique
précédent et, d’autre part, de donner un sens physique cohérent avec les
différentes mobilités effectives définies dans les équations (Eqs. IV-17 et IV-18).
V. Conclusions
Nous avons fait une étude détaillée de l’effet des interactions NNN sur
l’instabilité du méandrage durant la croissance EJM des surfaces vicinales du
Cu(100), évoluant par écoulement des marches. Nous avons vu qu’il est possible
d’expliquer certaines morphologies expérimentales grâce à l’approche des
interactions NNN. Nos résultats des simulations kMC sont, dans certains cas
qualitativement et dans d’autres quantitativement, très proches des observations
expérimentales et/ou des prédictions théoriques.
Nous avons montré que la compétition entre les interactions NN et NNN
attractives, conduit à un renforcement de la rugosité effective des marches. Ainsi,
l’incorporation des adatomes provenant du flux de dépôt aux marches, provoque
une diminution de la rigidité effective et de la mobilité effective des adatomes en
surface. Ce qui donne lieu à une diminution de la longueur d’onde de méandre
des marches. Par ailleurs, nous avons obtenu une nouvelle forme d’instabilité de
méandrage gouvernée, non seulement par le mécanisme d’attachement-
détachement comme celle de Bales-Zangwill (BZ) mais aussi par la rugosité des
bords des marches, que nous appelons : "roughening-limited growth". Cette
instabilité admet un comportement qualitatif similaire à celui de Bales-Zangwill.
Ainsi, la loi de puissance phénoménologique prédite par la théorie de Bales-
−q
Zangwill ( λ ∝ F avec q=1/2) est bien vérifiée, mais avec un exposant q qui
décroit avec l’intensité des interactions NNN.
Par ailleurs, les interactions NNN répulsives conduisent à une
augmentation de la longueur d’onde des méandres, avec une dépendance très
élevée avec le flux ( λ ∝ F −q , q > 1/ 2 ). Ce comportement n’est pas prédit par la
Chapitre IV :
Effet des interactions NNN et de la mobilité des adatomes sur l'instabilité des méandres des marches : cas du
cuivre Cu(100) 112
Bibliographie
[1] Politi Paolo, Geneviève Grenet, Alain Marty, Anne Ponchet and Jacques Villain,
Physics Reports. 424 271-404 2000.
[2] J. Krug, Europhys. Lett. 60 788 2002.
[3] J. Krug, H.T. Dobbs, S. Majaniemi, Z. Phys. B. 97 281 1995.
[4] W. Barvosa-Carter, J. Aziz Michael, L..J. Gray, T. Kaplan, Phys. Rev. Lett. 81 1445
1998.
[5] G. S. Bales et A. Zangwill, Phys. Rev. B. 41 5500 1990; Phys. Rev. B. 48 2024 1993.
[6] F. Nita, A. Pimpinelli, Phys. Rev. Lett. 95 106104 2005.
[7] J. Kallunki, Joachim Krug, Phys. Rev. E. 62 6229 2000. J. Kallunki, J. Krug, M.
Kotrla, Phys. Rev. B. 65 205411 2002.
[8] Ajmi BH Hamouda, N. Absi, P. E. Hoggan, A. Pimpinelli , Phys. Rev. B. 77 245430
2008.
[9] N. Néel, T. Maroutian, L. Douillard, H.-J. Ernst, Phys.Rev. Lett. 91 226103 2003; J.
Phys. Condens. Matter 15 S3227–S3240 2003.
[10] M. Rusanen, I. T. Koponen, J. Heinonen, T. Ala-Nissila, Phys. Rev. Lett. 86 5317–
5320 2001.
[11] T. Maroutian, L. Douillard, and H.-J.Ernst, Phys. Rev. B 64 165401 2001; Phys.
Rev. Lett. 83 4353 1999.
[12] S. Blel, A. BH. Hamouda, Brahim Mahjoub, T.L. Einstein, Phys. Rev. B 95 085404
2017.
[13] Brahim. Mahjoub, Ajmi B.H. Hamouda, T.L. Einstein et al, en cours. "Effect of
attractive and repulsive NNN interactions on step-dynamics of vicinal surfaces at
equilibrium and during epitaxial growth".
[14] Ajmi B.H. Hamouda, Brahim Mahjoub, S. Blel, Surf. Sci. 661 42-48 2017.
[15] A. Pimpinelli et J. Villain, Physics of crystal growth (Cambridge University Press,
Cambridge, 1998).
[16] Margret Giesen, Progress in Surface Science. 68 1-135 2001.
[17] Z. Toroczkai, E.D. Williams, Physics Today. 52 24 1999.
[18] H.-C. Jeong, E. D. Williams, Surf. Sci. Rep. 34 171 1999.
[19] R.L. Schwoebel, E.J. Shipsey, J. Appl. Phys. 37 3682 1966; R.L. Schwoebel, J. Appl.
Phys. 40 614 1969.
[20] G. S. Bales, A. Zangwill, Phys. Rev. B. 41 5500 1990; Phys. Rev. B. 48 2024 1993.
[21] O. Pierre-Louis, C. Misbah, Phys. Rev. Lett. 76 4761 1996; O. Pierre-Louis, Phys.
Rev. Lett. 87 106104 2001.
[22] O. Pierre-Louis, M. R. D'Orsogna, T. L. Einstein, Phys. Rev. Lett. 82 3661 1999.
[23] O. Pierre-Louis, Thèse de Doctorat "Instabilité dynamique non linéaire et
fluctuations des surfaces vicinales hors de l'équilibre", Univ. Joseph Fourier, Grenoble.
1997.
[24] M. V. Ramana Murty, B. H. Cooper, Phys. Rev. Lett. 83 352 1999.
[25] A.Videcoq, Thèse de Doctorat "Auto-organisation de surfaces cristallines pendant la
croissance épitaxiale : une étude théorique", Univ. Blaise Pascal, Clermont-Ferrand,
2002.
[26] R. Gerlach, T. Maroutian, L. Douillard, D. Martinotti, H.-J. Ernst . Surf. Sci. 480 97-
102 2001.
[27] Ajmi BH Hamouda, T J Stasevich, Alberto Pimpinelli, T L Einstein, J. Phys.
Condens. Matter 21 084215 2009.
[28] Brahim. Mahjoub, Ajmi. BH. Hamouda et T.L. Einstein, Surf. Sci. 662 74-81 2017.
[29] Joachim Krug, International Series of Numerical Mathematics, 149 69–95 2005.
[30] J. Kallunki, " Growth instabilities of vicinal crystal surfaces during Molecular Beam
Epitaxy " PhD dissertation, Universität Duisburg-Essen 2003.
Bibliographie (Chapitre VI) 114
Hors équilibre (F≠0ML/s), nous avons fait une étude détaillée de l’effet
des interactions NNN sur l’instabilité du méandrage durant la croissance EJM
des surfaces vicinales du Cu(100), évoluant par écoulement des marches. Nous
avons vu qu’il est possible d’expliquer certaines morphologies expérimentales en
tenant compte, dans nos simulations, des interactions NNN. Nos résultats des
simulations kMC sont, dans certains cas qualitativement et dans d’autres
quantitativement, très proches des observations expérimentales et/ou des
prédictions théoriques.
Nous avons montré que la compétition entre les interactions NN et NNN
attractives, conduit à un renforcement de la rugosité effective des marches. Ainsi,
l’incorporation des adatomes provenant du flux de dépôt aux marches, provoque
une diminution de la rigidité effective et de la mobilité effective des adatomes en
surface, et donc une diminution de la longueur d’onde de méandre des marches.
Par ailleurs, la nouvelle forme d’instabilité de méandrage obtenue est gouvernée,
non seulement par le mécanisme d’attachement-détachement comme celle de
Bales-Zangwill (BZ) mais aussi par la rugosité des bords des marches, que nous
appelons : "roughening-limited growth". Cette instabilité admet un comportement
qualitatif similaire à celui de Bales-Zangwill (BZ), puisque la loi de puissance
prédite par la théorie de BZ ( λ ∝ F −q ) est bien vérifiée, mais avec un exposant q
non constant (q=1/2), mais qui décroit avec l’intensité des interactions NNN.
Conclusion générale et perspectives 117
___________________________________________________________________________
D’un autre coté, les interactions NNN répulsives conduisent à une
augmentation de la longueur d’onde des méandres, avec une dépendance très
élevée avec le flux ( λ ∝ F −q où q > 1/ 2 ). Ce comportement n’est pas prédit par la
théorie de BZ et n’est pas observé expérimentalement. En effet, les interactions
NNN répulsives entrainent une diminution de la densité des crans aux bords des
marches et, donc, une augmentation de la rigidité et de la mobilité des adatomes.
Ainsi, l’incorporation des adatomes aux bords des marches qui contribuent à la
segmentation des méandres devient moins significative, ce qui entraine une
croissance de la longueur d’onde des méandres.
En outre, un très bon accord, qualitatif et quantitatif a été retrouvé entre
notre développement théorique de la mobilité effective des adatomes et les
résultats des simulations kMC.