These Finale Mahjoub Brahim

REPUBLIQUE TUNISIENNE
MINISTERE DE L’ENSEIGNEMENT SUPERIEUR

ET DE LE RECHERCHE SCIENTIFIQUE
UNIVERSITE DE MONASTIR
THESE
Modélisation Monte-Carlo de la dynamique des

nanostructures sur les surfaces cristallines : étude des
mécanismes microscopiques et effet des interactions
avec les seconds proches voisins
Présentée à La Faculté des Sciences de Monastir Par :
Brahim MAHJOUB
Pour obtenir le grade de : DOCTEUR
Discipline : PHYSIQUE
Soutenue publiquement le 09/12/2017 devant le jury composé de:
Faculté des Sciences de Monastir

Mr. Jemai DHAHRI Professeur (FSM)
Président
Faculté des Sciences de Monastir
Mr. Ahmed REBEY Professeur Rapporteur
(FSM)
Ecole Supérieure des Sciences et
Mr. Larbi SFAXI Professeur Technologies de Hammam Sousse Rapporteur
(ESSTHS)
Institut Supérieur du Transport et
Maitre de
Mr. Mourad HABCHI de la Logistique de Sousse Examinateur
Conférences (ISTLS)
Faculté des Sciences de Monastir Directeur de
Mr. Brahim OUJIA Professeur
(FSM) thèse
Laboratoire de Physique Quantique (LPQ) (Code : UR 11 ES 54)

Dédicace
Aimablement,
Je dédie ce modeste travail …
A la mémoire de ma très cher mère
A mon très chère père Fredj
A ma chère tante Mouldia "Dada" et toute ma famille
A mes chers frères et sœurs
A tous mes amies
… Brahim
Le travail exposé dans ce mémoire a été réalisé au laboratoire de Physique
Quantique à la Faculté des Sciences de Monastir.
Je remercie vivement Monsieur BRAHIM OUJIA, Professeur à la Faculté

des Sciences de Monastir, d’avoir accepté la direction de cette thèse et de m’avoir
permis de vivre cette belle aventure.
Je remercie tout particulièrement mon directeur scientifique de thèse,

Monsieur MOHAMED EL AJMI BEN HAJ HAMMOUDA, Maître Assistant en
Physique à l’Institut Supérieur d'Informatique et de Mathématiques de Monastir
(ISIMM) qui a accepter d’encadrer ce travail. Je tiens à le remercier pour la
rigueur dont il a fait preuve à chaque instant en dépit de ses nombreuses
responsabilités. J’ai pu bénéficier de son aide scientifique valeureuse et de ses
précieux conseils. Il m’a transmis tout au long de cette thèse, son méthodologie
pour analyser les résultats.
J’adresse tous mes remerciements aux membres du jury d’avoir accepté d’évaluer
ce travail.
J'exprime toute ma reconnaissance à Monsieur JEMAI DHAHRI,

Professeur à la Faculté des Sciences de Monastir qui a accepté de juger ce travail
et de présider le jury de soutenance. Je remercie monsieur AHMED REBYE,
Professeur à la Faculté des Sciences de Monastir, et Monsieur LARBI SFAXI,
Professeur à l’école Supérieure des Sciences et Technologies de Hammam Sousse,
d’avoir accepté d’être rapporteurs de cette thèse et pour l’intérêt qu’ils ont porté à
mon travail. J’exprime aussi mes remerciements les plus sincères à Monsieur
MOURAD HABCHI, Maitre de Conférences à Institut de Transport et Logistique
de Sousse d’avoir accepté de faire partie de mon jury de thèse en acceptant de le juger en
tant que examinateur.
Mes remerciements vont également au Professeur TED. EINSTEIN, de

l’Université de MARYLAND (USA), qui a suivi de loin l’avancement de ce travail.
Les nombreuses discussions que j’ai eues avec lui par e-mail ont été très
enrichissantes. Cette collaboration fut très fructueuse ; j’espère qu’elle continuera.
Je remercie aussi Monsieur YOUNES BOUAZRA, Professeur à la Faculté

des Sciences de Monastir, pour l’honneur qu’il me fait par la lecture et la
correction de mon manuscrit. Je lui suis très reconnaissant des conseils précieux
qu’il m’a prodigués.
Je tiens à exprimer mes plus vifs remerciements à mon collègue,
Mademoiselle SONIA BLEL, pour son aide pendant la réalisation de ce travail, aussi
pour sa gentillesse et ses conseils au quotidien.
Mes remerciements vont également à l’ensemble des chercheurs du

laboratoire qui ont contribué, de près ou de loin, à l’accomplissement de ce travail.
Je tien à remercier, tout particulièrement, Monsieur le Professeur
ABDELMOTTALEB BEN LAMINE, directeur du l'Unité de Recherche de
Physique Quantique, Monsieur HOUCINE GHALLA, maître de conférence à la
faculté des sciences de Sfax et Monsieur NOURDINE ISSAOUI, maître assistant
à l'institut préparatoire aux études d'ingénieurs de Monastir pour leur soutien
morale et leurs nombreux conseils.
Je suis heureux de remercier l’ensemble de mes collègues et amis thésards

durant ces quelques années pour leur sympathie, leur amitié et leurs moments
passés en leur compagnie. Je remercie également les différents étudiants ayant
réalisé leur stage de Master, ainsi que tous mes amis avec qui j’ai passé des
moments inoubliables, en particulier mon chère amie NASSIM BEN BRAHIM.
Je ne saurai oublier de remercier ma famille, mon père FREDJ, ma grand

mère ROUKAYA, mes oncles JABEUR et MOULDI, mes tantes MOULDIA,
RADIA et NAJEH, mon frère DALI et mes sœurs CHOUROUK, HAMIDA,
DORSAF et RABIA pour leurs aides et soutien moral constant qui m'ont permis
de mener à bien ces travaux.
Merci à tous…
Table des matières
Modélisation Monte-Carlo de la dynamique des nanostructures sur

les surfaces cristallines : étude des mécanismes microscopiques et
effet des interactions avec les seconds proches voisins
Table des matières

Liste des figures.......................................................................................................................... i
Liste des tableaux..........................................................................................................................vi
Introduction générale ............................................................................................................... 1
Chapitre I : Synthèse bibliographique
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
Table des matières
Chapitre II : Modélisation théorique de la dynamique des

marches à l'équilibre
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 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
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
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 IV : Effet des interactions NNN et de la mobilité des

adatomes sur l'instabilité des méandres des marches : Cas du
cuivre Cu(100)
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
Conclusion générale et perspectives .......................................................................................... 115
Liste des figures
Liste des figures

Figure I.1 : Schéma d’une surface vicinale, formée d’une succession périodique des marches séparées
par des terrasses ..................................................................................................................................5
Figure I.2 : Images STM des fluctuations des marches d'une surface vicinale de Cu (1 1 19) à 290 et
320 K et d'une vicinale de Ag (1 1 1) à 506 K, ("step-flow growth") [8]. .............................................7
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]. ........................................................................................................................... 12
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]. .................................................................................................................. 14
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]...........................................................................................16
Figure I.6 : Description schématique de l'épitaxie par jet moléculaire, cas de la croissance des films
GaAs sur un substrat cristallin. Un faisceau d'atomes (Ga, As) provenant avec un certain flux (ML/s)
sur un substrat chauffé à une température TS. Dès que, ces atomes touchent le substrat, ils diffusent
d'un site à un autre jusqu'à ce qu'ils trouvent une position énergétiquement stable, c'est le processus
d'arrangement atomique et la croissance se fait couche par couche. L'EJM fournit un contrôle très
précis du processus de croissance. ..................................................................................................... 19
Figure I.7 : Représentation schématique des différents processus fondamentaux intervenant lors de la
croissance épitaxiale: (a) dépôt d'un atome contrôlé par un flux F (ML/s); (b) diffusion sur la terrasse;
(c) nucléation d'îlots; (d) attachement d'adatome à un cluster; (e) détachement d'un adatome d'un
cluster, (f) incorporation d'un adatome à une marche; (g) incorporation d'un adatome à un cran "kink";
(h) désorption. .................................................................................................................................. 20
Figure I.8 : Diagramme schématique des trois modes de croissance thermodynamique des films
minces : (a) mode de croissance "Frank-van der Merwe"(couche par couche 2D); (b) mode de
croissance "Volmer-Weber" (îlots 3D); et (c) croissance de "Stranski-Krastanov"(2D-3D). ............... 22
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. .......................... 23
Figure I.10 : a) Image AFM ( 2 × 2µ m 2 ) des ilots suite à un dépôt de 5 nm de Si0.65Ge0.35 sur Si(001)
2
[77] ;b) Image AFM ( 4 × 4µ m ) après un dépôt de Si0.7Ge0.3 sur un substrat Si(001) désorienté de 10°,
montre le développement de l'instabilité de méandrage [78]; c) Image AFM ( 5 × 5µ m2 ) d'un super-
réseau de Si/Si0.95Ge0.05 sur un substrat de Si(001) à T = 763K [79].................................................. 23
Figure I.11 : Représentation schématique des configurations rencontrées dans notre modèle kMC lors
de la diffusion d'un atome......................................................................................................................28
Figure I.12 : Représentation schématique de quelques configurations atomiques sur la surface lors de
la diffusion en tenant compte des interactions avec les atomes seconds proches voisins (NNN), cette
interaction NNN est caractérisée par l'énergie E2. .............................................................................. 28
Figure I.13 : Choix d'un événement i à l'aide d'un nombre aléatoire ξ ................................................29
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
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
Liste des tableaux

Tableau III.1 : Paramètre d’ajustement de la distribution de Wigner ρ et l’intensité d’interaction
~
adimensionnée A vs. la barrière E pour les deux orientations des marches, avec ~ ρ  ρ  [28]. .. 68
ES A=  − 1
22 
Tableau III.2 : Inverse de la rigidité (±0.005) en fonction de la température, pour les deux orientations
des marches. Le rapport de rigidité est pratiquement indépendant de la température et très proche de
1/ 2 , comme prédit par la théorie (Eq. III-12). ................................................................................74
Tableau IV.1 : Constante CkMC et exposant q de la longueur d'onde effective pour différentes valeurs
de E2 dans le cas des interactions NNN attractives, déterminées par un ajustement des données de la
figure IV.5 (après un dépôt de 30 ML et T=294K) par une fonction du type : λeff = C kMC × F − q .
(Gauche) Pour NNN attractives, (Droite) Pour NNN répulsives. ........................................................ 96
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 . .................................................................................. 105
vi
Introduction
générale
Introduction générale 1
___________________________________________________________________________
*** Introduction générale ***
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.
___________________________________________________________________________
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.
Ce manuscrit est divisé en quatre chapitres.

Le premier chapitre donne une revue bibliographique des moyens de la
nanostructuration. Nous commencerons par une description microscopique d’une
surface vicinale en rappelant les différents types d’interactions entre les marches
atomiques et identifiant les paramètres énergétiques contrôlant la dynamique et
la structuration des marches. Par la suite, nous décrirons le processus de la
croissance épitaxiale, l'accent est mis sur l'EJM en rappelant les différents types
d'instabilités et les processus cinétiques qui interviennent lors de la croissance.
Enfin, nous concluons ce chapitre par une description détaillée du code de
simulation Monte Carlo cinétique (KMC) qui sera à l’appui pour étudier la
dynamique des marches d’une surface vicinale à l'équilibre, ainsi que hors
équilibre (durant la croissance épitaxiale).
Le deuxième chapitre est consacré à la modélisation théorique du
mouvement des marches à l'équilibre (Flux=0). D'un côté, nous avons rappelé les
différents modèles proposés dans la littérature pour décrire la physique du
mouvement des marches atomiques, l'accent est mis sur la théorie des matrices
aléatoires, ainsi que la théorie basée sur l’approche de Fokker-Planck. D'un autre
côté, nous avons présenté notre modèle théorique pour la quantification du
mouvement des marches, ce modèle tient compte pour la première fois des
interactions avec les seconds voisins (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 allons
essayer de déterminer la forme du potentiel d'interaction entre les marches
atomiques et également une expression théorique de la distribution des largeurs
des terrasses (TWD) en fonctions des interactions NNN. Cette dernière est
___________________________________________________________________________
décrite avec plus de détails, car nos résultats sont directement comparés avec les
conséquences de cette théorie.
Dans le troisième chapitre, on s'est attaché à étudier les mécanismes
gouvernant la dynamique des marches atomiques à l'équilibre, à l'aide des
simulations Monte Carlo cinétique (kMC). Dans la première partie de ce chapitre,
une comparaison entre deux orientations de marches, suivant les directions
<100> et <110> est faite, elle est basée sur l’analyse de leurs distributions de
largeurs des terrasses (TWD) et des mesures de leur rigidité. Nous discuterons,
les mécanismes gouvernant la dynamique de relaxation de deux orientations des
marches. Bien que les paramètres énergétiques utilisés dans nos simulations
kMC soient représentatifs du silicium (Si), nous nous attendons à ce que les
résultats qui en découlent soient valables pour une large gamme de matériaux.
La seconde partie est consacrée à l'effet des interactions avec les atomes seconds
proches voisins (NNN) sur la TWD et la rigidité des marches. Une étude
comparative entre les interactions NNN attractives et NNN répulsives est faite.
Nous discuterons le lien entre nos résultats des simulations kMC et les modèles
théoriques présentés ainsi que les résultats existants dans la littérature.
Dans le quatrième chapitre nous présentons une étude sur l’instabilité de
méandrage des marches qui se développent pendant la croissance des surfaces
vicinales du cuivre Cu(100), soumises à une anisotropie de diffusion au bord des
marches, dite barrière d'Ehrlich-Schwoebel (EES). Nous nous focalisons sur le
comportement de cette instabilité sous l'effet de l’intensitée et du type attaractive
ou repulsive des interactions NNN. Nous déterminerons, en particulier, la
dépendance entre la rigidité des marches βɶ (θ , T) et la longueur d'onde de
l'instabilité de méandrage λ ( F , T ) . Une comparaison avec les résultats
expérimentaux sera faite. Enfin, nous proposons un développement analytique
afin de déterminer l'expression de la mobilité σ des adatomes pendant la
croissance (hors équilibre). En effet, en plus de sa dépendance avec la
température et des barrières énergétiques, nous déterminerons sa dépendance au
flux de dépôt et de la densité des crans au bord des marches.
Ce travail est achevé par une conclusion générale ainsi qu’une
présentation de certains travaux que nous pourrons réaliser dans le futur.
Chapitre I
Synthèse bibliographique
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
Chapitre I : Synthèse bibliographique
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).
I. Description microscopique d’une surface

Dans une majorité de cas, dès que se pose le problème de l’optimisation des
propriétés d’un matériau, métallique ou non, il apparaît que les phénomènes de
surface jouent un rôle déterminant dans cette démarche. La surface d'un cristal
peut être définie comme étant l'interface marquant la discontinuité entre le
cristal et le vide. On distingue habituellement deux types de surface pour un
cristal parfait :
Chapitre I :
Les surfaces singulières parfaites qui sont parallèles aux plans

cristallographiques de bas indices, par exemple, les plans (100), (110) et (111)
pour les réseaux cubiques.
Les surfaces vicinales ou "surfaces à marches" dont l'orientation est
relativement proche de celle d'une surface vicinale singulière. Elles sont
constituées de portions de face singulière appelées terrasses et séparées par
des marches de hauteur monoatomique. La densité de ces marches dépend de
la désorientation de la surface par rapport à la surface singulière. Ces marches
peuvent présenter des crans dont la densité est liée à leur désorientation par
rapport aux rangées denses du cristal.
En général, la surface d'un cristal réel n'est pas parfaite. Elle contient
toujours des dislocations dans le volume qui créent, en émergeant â la surface,
des marches dont l'orientation est aléatoire. En conséquence, une surface
singulière réelle est constituée de très larges terrasses séparées par des marches
d'orientation aléatoire. Quant aux surfaces vicinales réelles, elles présentent
aussi des marches d'orientation aléatoire qui se superposent au réseau de
marches intrinsèques à leur structure.
Les surfaces obtenues en coupant un cristal le long d’une direction
légèrement inclinée par rapport aux plans atomiques sont composées d’une
succession de terrasses séparées par des marches monoatomiques (cf. figure I.1).
Elles sont appelées surfaces vicinales ou surfaces à marches
Figure I.1 : Schéma d’une surface vicinale, formée d’une succession périodique des
marches séparées par des terrasses
A l’échelle atomique, une telle surface se présente comme une succession

relativement régulière de terrasses de largeur ℓ et de hauteur atomique a . Ces
deux paramètres sont reliés par la relation : tan(θ ) = a ℓ , θ étant l'angle de
désorientation que fait la surface avec le plan atomique.
En réalité, les marches ne sont pas parfaitement droites à grande échelle
de longueur. Elles sont formées de parties droites, séparées par des crans
Chapitre I :
(appelés "kinks" en anglais). Ce sont des défauts qui constituent des sites
d’attachement favorables pour les adatomes (atomes déposés sur la surface au
cours de la croissance) [1].
II. Intérêt des surfaces vicinales à marches

Les physiciens du solide s’intéressent de plus en plus à des objets de
dimensions réduites, que cela soit pour découvrir des propriétés fondamentales
nouvelles ou bien pour des applications technologiques dont le but est de
répondre aux besoins actuels des industries de la microélectronique et de
l’optoélectronique. En effet, les couches minces semi-conductrices doivent être
aussi uniformes que possible (idéalement à l’échelle atomique) avant la
croissance des couches subséquentes. Les détails microscopiques des processus de
croissance sont donc d’une importance considérable pour la fabrication des
structures multicouches. Les processus cinétiques de la croissance seront en
général déterminés par la nature des matériaux et la qualité de la surface initiale
du substrat ainsi que par l’environnement physique pour la croissance (technique
utilisée) et les conditions expérimentales [2]. Les surfaces réelles ne sont
habituellement pas parfaitement planes. Ces surfaces, dites vicinales, sont en
général légèrement désalignées par rapport à une direction cristallographique
principale et, par conséquent, formées d’une succession de terrasses séparées par
des marches. Les surfaces à marches, jouant un rôle essentiel dans un grand
nombre d’applications des nanotechnologies, sont souvent utilisées comme
supports pour des nano-objets et interviennent donc directement dans les
propriétés du matériau ainsi réalisé. Les travaux de Burton, Cabrera et Frank [3]
sont considérés comme les premières tentatives de modélisation de la croissance
sur les surfaces vicinales. Ils ont examiné le déplacement des marches sur les
surfaces cristallines ainsi que l’initiation de la croissance au niveau d’une
dislocation. Ils ont aussi considéré la structure à l’équilibre des surfaces
cristallines. Les surfaces vicinales sont des objets fascinants tant sur le plan
expérimental que théorique [4-6]. Elles connaissent actuellement un regain
d’intérêt pour leur utilisation dans la fabrication de nanostructures bien
ordonnées par dépôt d’atomes [4, 7]. Ce sont des objets de basse symétrie qui
conjuguent à la fois l’aspect unidimensionnel des marches et bidimensionnel
"confiné" des terrasses. Leurs propriétés reflètent cette "ambivalence" dont on
peut tirer profit dans les applications. Les terrasses sont limitées d’un côté par
une marche ascendante et de l’autre côté par une marche descendante : ce sont
les marches, frontières où la hauteur de la surface change d’une unité atomique.
Lorsque des atomes sont déposés sur la terrasse, appelés adatomes, ils vont
diffuser sur la terrasse et auront une chance de rencontrer le bord d'une marche,
site d'attachement favorable. D’un autre coté on va se rendre compte que :
Chapitre I :
(i) si le flux n'est pas trop important, on va pouvoir éviter la rencontre des
adatomes sur la terrasse conduisant à la nucléation bidimensionnelle,
(ii) et/ou si la température n'est pas trop basse, on aura une diffusion assez
rapide, évitant ainsi l'agglomération des adatomes,
(iii) et/ou si la taille de la terrasse n'est pas trop grande, ceci évitera qu'un
adatome ait une probabilité raisonnable d'atteindre la marche, au lieu de se
combiner avec d'autres adatomes, alors, la quasi-totalité des atomes va pouvoir
rejoindre les bords de marches. Ensuite, dans ce régime, la croissance se fait
uniquement par avancée des marches (cf. figure I.2). On l'appelle « croissance par
écoulement de marches » (« step-flow-growth »). Dans cette circonstance on serait,
en principe, capable de faire croître le solide par couche, donc la croissance serait
contrôlable à l'échelle de l'atome.
En revanche, les marches sont souvent le siège de la plupart des
mécanismes intervenant dans la nanostructuration, ce qui nécessite une bonne
maîtrise de leur aspect énergétique, leur rigidité, type et intensités d'interaction
entre eux pour bien comprendre les processus gouvernant la relaxation de surface
ainsi que la dynamique du développement des instabilités morphologiques.
III. Dynamique des marches sur les surfaces vicinales

III.1. Introduction
L'étude des processus dynamiques sur les surfaces vicinales passe
forcément par l’identification de l’unité de base, et/ou les excitations élémentaires
d’une marche et la compréhension des mécanismes énergétiques correspondants.
En effet, l’excitation de plus basse énergie d'une surface à marches est le cran
(kink). En équilibre, un système thermodynamique fluctue autour du minimum
de l'énergie libre [8]. Les fluctuations sont causées par la diffusion des atomes sur
la surface et le transport de masse entre les défauts comme les marches et les
îlots. On parle donc d'un processus de transport de masse généré par la création
et l'annihilation des défauts.
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 :
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 :
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.
Ainsi, sous différents regards, la rigidité de marche βɶ (θ , T) est plus

fondamentale que β (θ , T) et dans certaines situations, elle est la quantité la
mieux définie [18]. Pour cela, dans notre étude, nous parlons de rigidité plutôt
que d’énergie libre, car c’est la première qui est accessible dans les simulations et
mieux définie dans les modèles théoriques que nous allons exposer.
Soulignons que dans notre étude numérique, nous avons accédé à la
rigidité en utilisant la fonction de corrélation spatiale et nous y reviendrons avec
plus de détails dans le troisième chapitre.
III.2. Hamiltonien des marches

La description d'une surface vicinale peut se faire par la résolution de
l’Hamiltonien d'un réseau de marches en interaction mutuelle, qui peut être vu
comme la somme d’une contribution HM des marches et une contribution HT des
terrasses :
N
H = HM + HT = ∑ (V
n =1
n
M
+ VnT ) , (I-2)
où N est le nombre des marches (ou terrasses) et V nM ( V nT ) est la contribution de

la nème marche (ou terrasse). En se mettant dans la situation où l’aire A0 de la
surface totale projetée est conservée et la tension de surface f 0 est la même pour
toutes les terrasses, on peut dire que la contribution de ces dernières est une
N
constante ( H T = ∑V
n =1
n
T
= f 0 A0 ) et elle peut, ainsi pour pareille situation, être
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 :
de plus, on peut remarquer qu’à ce niveau du raisonnement, on va pouvoir relier

HT à HM. En effet, cela peut se faire en introduisant le terme décrivant la
contribution de la nième terrasse dans le terme décrivant l’interaction inter-
marche, c.à.d. entre la nième et la (n+1)ième marche. La contribution à l’énergie
libre de la nième marche est, en général, une fonction des positions de toutes les
marches :
VnM = VnM ( x n ; x1 ,..., xn −1 , x n +1 ,...., x N ) (I-3)
Cependant, la contribution dominante proviendrait de l’interaction de la
nème marche avec les marches premières proches voisines, soit la (n-1)ième et la
(n+1)ième. Dans ce cas, l’équation (Eq. I-3) s’écrit :
V nM ≈ V nM ( x n ; x n − 1 , x n + 1 ) (I-4)
Ainsi, l’expression la plus simple d'un modèle unidimensionnel (1D)
décrivant une surface avec des marches séparées par des distances non-
uniformes est considérée comme étant la moyenne de l’interaction entre les deux
marches proches voisines. Elle s’écrit comme suit [10] :
1
V nM ( x n ; x n −1 , x n +1 ) = [V ( x n − x n −1 ) + V ( x n +1 − x n ) ] , (I-5)
2
où V (w ) , est l’interaction entre les deux marches proches voisines distantes de
w . Une approximation de cette interaction locale peut être proposée en utilisant
la densité d’énergie libre d’une surface vicinale uniforme par [10] :
V ( w ) = wf ( w ) . (I-6)
L’équation. (Eq. I-6), représente la densité d’énergie libre d’une surface
vicinale uniforme. Alors, en tenant compte du fait que HT et HM sont reliés
ensemble, l’Hamiltonien total (à1D), peut s’écrire ainsi :
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 :
où w n ( y ) = x n + 1 ( y ) − x n ( y ) pour une valeur de l’ordonnée y perpendiculaire à la

direction des xn. Le premier terme décrit l’énergie de distorsion d’une marche
~
individuelle, contrôlée par la rigidité β .
III.3. Caractérisation énergétique des fluctuations des marches

L'élément clé dans l'évolution de la structure des surfaces vicinales est la
marche, une limite de ligne à laquelle la surface change de hauteur par une ou
plusieurs unités atomiques. Des marches empilées les unes sur les autres
forment des murs qui, à leur tour, constituent les éléments architecturaux de
base des nanostructures. Puisque les atomes dans les marches sont liés à moins
d'atomes que ceux qui composent les surfaces plates, les marches sont plus
sensibles aux fluctuations thermiques que la surface dans son ensemble. Le
mouvement des marches est donc la base de l'évolution des nanostructures.
A l'échelle atomique, les mécanismes physiques gouvernant la diffusion
atomique et qui donnent lieu à des fluctuations des marches peuvent être classés
en trois classes générales (cf. figure I.3) :
Diffusion en périphérique : les atomes diffusent le long des bords des
marches.
Diffusion sur la terrasse : un atome se détache de la marche, ainsi il diffuse
sur la terrasse afin de trouver une position stable (marche, lacune,...).
Attachement-détachement : les atomes se déplacent entre les marches et les
terrasses.
Une marche avance ou recule lorsque les atomes se déplacent le long de
son bord ou bien font des aller et retour entre les marches et les terrasses
adjacentes. Mais, comme le suggère la figure I.3, nous pouvons imaginer une
marche comme une interface unidimensionnelle ou comme une chaîne sans
masse qui peut vibrer avec une longueur d'onde supérieure à l'échelle atomique
[16]. Dans ce modèle, la force de rappel qui empêche les fluctuations de marche
de croître indéfiniment est le coût d'énergie d'augmenter la longueur de marche,
qui est gouvernée par la rigidité de marche βɶ (θ , T) . Nous pouvons quantifier la
tendance de la configuration d'une marche x (y) à rester droite en définissant un
potentiel chimique [16] :
∂2x
µ = −Ωβɶ (θ , T) × , (I-9)
∂y 2
où Ω , est le plus petit incrément de surface pour lequel une marche se déplace
avec une amplitude de fluctuation faible. Lorsque la marche se courbe en raison
des fluctuations thermiques, le potentiel chimique change, déclenchant un
Chapitre I :
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 :
- Interactions énergétiques explicites, aussi bien répulsives qu’attractives,

dues aux interactions dipôle-dipôle ou élastiques.
Les interactions marche-marche peuvent être étudiées expérimentalement
en observant la distribution de la largeur de la terrasse (TWD) sur les surfaces
vicinales [24-28]. Les interactions proviennent de la répulsion entropique [29-30],
des interactions élastiques directes [31-32], des interactions vibratoires indirectes
[33] et, éventuellement, des interactions électroniques3 [34-35]. L'exiguïté des
énergies impliquées [36] et la complexité d'extraire et de distinguer les diverses
contributions à l’énergie de la marche rendent l'analyse des interactions inter-
marches extrêmement difficile [27, 37].
Il faut bien noter que les interactions entre marches les plus connues sont
d’origines entropique ou énergétique (élastique ou dipolaire). Dans les modèles
théoriques que nous allons détailler par la suite, nous ne tiendrons compte que de
ces types d’interactions.
III.4. Energie libre et rigidité des marches

Les fluctuations des bords des marches permettent aux structures qui ne
sont pas en équilibre de retomber vers leur état d'équilibre. L’analyse
approfondie des fluctuations des bords, nous permet de prédire quantitativement
comment les structures hors équilibre vont pouvoir évoluer. Et si la structure
n'est pas trop perturbée par sa configuration d'équilibre, on peut utiliser
l'approche simple de la cinétique linéaire, dans laquelle la vitesse d'une marche
est supposée proportionnelle à la variation de l'énergie libre produite par le
mouvement des marches [9].
A basse température et en dessous de la température de transition
rugueuse TR (inférieure à la température de fusion), l’énergie libre de la surface
peut être estimée à partir de l’énergie libre des marches. L’énergie libre de
surface par unité d’aire (équivalente à la tension de surface) dans le cas d'un
réseau cubique simple, à une température nulle (à T = 0 K), est donnée par [10] :
εz εx εy
γ (θ , φ ) = cos(φ ) + sin(φ ) cos(θ ) + sin(φ ) sin(θ ) , (I-10)
axay ayaz az ax
( ε x , ε y , ε z ) et ( a x , a y , a z ) sont respectivement, les énergies et les constantes du

réseau dans les directions ( x , y , z ) et les angles φ et θ sont représentés dans la
figure ci-dessous.
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 :
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].
A température finie, les marches deviennent onduleuses et fluctuent sous

l’effet des excitations thermiques des crans et leurs mouvements le long du bord
de la marche. L’énergie libre β d’une marche s’écrit en fonction de son entropie
configurationnelle S 0 , comme suit :
β = β 0 − TS 0 . (I-12)
En utilisant le modèle du réseau cubique et en considérant une marche le
long d’une direction de haute symétrie pour laquelle, θ = 0 , il est possible de
déduire la dépendance en température T de l’énergie libre dépensée par une
marche et ce, par analogie avec le modèle d’Ising [10]. Soit :
εy
ε x − k B T ln[coth( )]
2 k BT
β (T ) = (I-13)
ay
Ainsi, l’énergie libre d’une marche décroit lorsque la température croit à
cause de l’entropie de configuration générée par la formation des crans
thermiques. En outre, la réduction entropique de l’énergie libre dépend aussi bien
de la température que de la distance entre les marches voisines. La dépendance
de l’entropie à la largeur de terrasse a été calculée pour la première fois dans le
Chapitre I :
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 .
En se référant à la figure I.5, qui montre une simulation Monte Carlo

d'une surface vicinale basée sur un modèle du réseau cubique CFC [9], il s’avère
que le premier terme f 0 (T ) est l'énergie de surface par unité de surface et les
terrasses entre les marches s’orientent suivant une surface à faible indice
(cf. figure I.5). Puisque tan(φ ) est proportionnel à la densité des marches, le
coefficient du deuxième terme, β (T ) , est l'énergie libre par unité de longueur pour
former une marche isolée à une seule couche (de hauteur monoatomique). La
dépendance avec la température de ce terme vient des excitations thermiques des
"kinks" sur les bords des marches. La formation des "kinks" permet à la marche
de fluctuer, augmentant donc l'entropie et diminuant ainsi l'énergie libre pour la
formation d'une marche.
Le troisième terme de l'équation (Eq. I-15) est dû aux interactions entre les
marches. Le terme B(T ) , est le coefficient d'énergie libre attribuable à
l'interaction entre les marches. Plusieurs travaux théoriques réalisés ont révélé
(comme anticipé par Gruber et Mullins [38]) qu'en plus de changer l'énergie de
formation d’une marche isolée, la marche fluctuante contribue à ce terme
d'interaction, même en l'absence d'interactions énergétiques entre les marches.
En effet, la fluctuation d'une marche sera limitée par son incapacité à traverser
ses voisins (condition de non-croisement) [39-41]. La diminution résultante de
l'entropie de fluctuation conduit à une répulsion entropique effective entre les
marches, ce qui peut être illustré en considérant le cas du modèle d'une marche
fluctuante piégée entre deux parois fixes aux positions x = ±ℓ .
Chapitre I :
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].
Le paramètre g = (g ' (T )T / h 3 ) est relié à la rigidité des marches qui,

comme son nom l’indique, mesure la tendance des marches à devenir droites et
réduisant, par conséquent, la longueur et la densité des crans. La rigidité
~
β ( θ ,T ) est reliée à l’énergie libre d’une marche par [12]:
∂ 2 β ( θ ,T )
~
β ( θ ,T ) = β ( θ ,T ) +
. (I-16)
∂θ 2
Dans le cas où les marches fluctuent sous l’effet des interactions
entropiques, le paramètre g s’écrit [10] :
(π k B T ) 2
g (θ , T ) = ~ . (I-17)
6 h 3 β (θ , T )
En plus de l’effet entropique, les fluctuations des marches sont contrôlées
par des interactions énergétiques répulsives entre les marches voisines, telles
que les interactions élastiques ou dipolaires, qui donnent naissance à des
interactions dépendant de la même façon de l’inverse du carré de la largeur des
terrasses w . C'est pour cette raison, le paramètre d’interaction entre les marches
g doit tenir compte des deux interactions entropique et énergétique entre les
marches voisines. Dans le cas où il y a des interactions marches-marches
répulsives du type U ( w) = A / w2 , où A est l'intensité d'interaction entre les
marches, le paramètre d’interaction g s’écrit [42]:
2
(π k B T ) 2   4 A βɶ (θ , T )
g (θ , T ) =   .
1 + 1 + (I-18)
24 h 3 βɶ (θ , T )  

(k BT ) 2
Ainsi, il s’avère que sur le plan fondamental l’énergie libre de surface est
régie par quatre paramètres : l'énergie libre d’une marche, l'énergie de formation
d’une marche, l'énergie de formation des "kinks" et les interactions énergétiques
Chapitre I :
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 :
IV. Aspects fondamentaux de la croissance épitaxiale

IV.1. L'épitaxie et son développement
Une révolution dans la conception des dispositifs semi-conducteurs a été
engendrée par l'invention d'hétérostructures, de puits quantiques, des super-
réseaux et des structures similaires. Ces structures avancées ont permis une
amélioration significative de la performance de nombreux dispositifs, y compris
les lasers, les diodes électroluminescentes, les détecteurs et les transistors
bipolaires. De telles structures ne peuvent être produites que par des processus
de croissance épitaxiale. Ces applications posent des exigences strictes sur la
technique de croissance, y compris la pureté élevée, la faible densité des défauts,
les interfaces abruptes pour les hétérostructures et les super-réseaux, les profils
de dopage contrôlés, l'économie à grande échelle d’élaboration avec un rendement
élevé (c'est-à-dire une uniformité et une reproductibilité élevées) et un
fonctionnement en toute sécurité [50].
L'épitaxie est un mot d'origine grec avec "taxis" qui signifie arrangement et
"épi" qui signifie par-dessus : "un arrangement par-dessus un support". Ainsi,
l'épitaxie se réfère à l'arrangement ordonné sur certains matériaux de manière à
ce que les deux plans atomiques en contact présentent des cellules unitaires
planes qui s'accordent les unes avec les autres. C'est un terme appliqué au
processus de croissance d'un film monocristallin sur un substrat. L'épitaxie est
appelée homoépitaxie lorsqu'un cristal est développé par épitaxie sur un substrat
du même matériau, comme dans un film de Cuivre cultivé sur un substrat de
Cuivre [51]. Il est appelé hétéroépitaxie lorsqu'un cristal est élaboré sur un
substrat de nature différente.
L'épitaxie est utilisée en nanotechnologie et en fabrication des semi-
conducteurs. En effet, l'épitaxie est la seule méthode abordable dans la croissance
de cristaux de haute qualité pour de nombreux matériaux semi-conducteurs, y
compris des matériaux technologiquement importants comme le silicium-
germanium, le nitrure de gallium, l'arséniure de gallium, le phosphure d'indium
et le graphème [50, 52-54]. Aussi, elle a été utilisée pour déposer des molécules
organiques sur un substrat cristallin pour former une couche organisée.
IV.2. Techniques de croissance épitaxiale

Les principales méthodes utilisées pour la croissance épitaxiale des semi-
conducteurs et pour certains matériaux sont les suivantes :
Dépôt chimique en phase vapeur, CVD (en anglais) "Chemical Vapor
Deposition" [55].
Epitaxie en phase liquide, LPE (en anglais) "Liquid-Phase Epitaxy" [56].
Chapitre I :
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
Croissance couche par couche
Substrat (T S)
Figure I.6 : Description schématique de l'épitaxie par jet moléculaire, cas de la

croissance des films GaAs sur un substrat cristallin. Un faisceau d'atomes (Ga, As)
provenant avec un certain flux (ML/s) sur un substrat chauffé à une température TS. Dès
que, ces atomes touchent le substrat, ils diffusent d'un site à un autre jusqu'à ce qu'ils
trouvent une position énergétiquement stable, c'est le processus d'arrangement atomique
et la croissance se fait couche par couche. L'EJM fournit un contrôle très précis du
processus de croissance.
Dans ce procédé, des faisceaux d'atomes ou des molécules dans un

environnement à ultravide élevé sont déposés sur un cristal chauffé qui a été
précédemment traité pour produire une surface typique pour la croissance. Cette
dernière est gouvernée principalement par la cinétique du processus de
croissance entre les couches atomiques superficielles du substrat et les atomes du
flux incident (cf. figure I.6). Les atomes constitutifs entrants forment une couche
cristalline en relation avec le substrat, c'est-à-dire un film épitaxial. Ces films
sont remarquables parce que la composition peut être rapidement changée, ainsi,
il a été possible de produire une large gamme de structures uniques, y compris
Chapitre I :
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).
IV.3. Mécanismes cinétiques de croissance épitaxiale

Pour comprendre la croissance d'un point de vue cinétique, il s'agit de
considérer la croissance comme l'ensemble des processus élémentaires atomiques
qui se produisent sur la surface. Ces processus atomiques sont thermiquement
activés [62].
(g)
(f)
(c)
(a)
(d) (h)
(e) (b)
Figure I.7 : Représentation schématique des différents processus fondamentaux

intervenant lors de la croissance épitaxiale: (a) dépôt d'un atome contrôlé par un flux F
(ML/s); (b) diffusion sur la terrasse; (c) nucléation d'îlots; (d) attachement d'adatome à
un cluster; (e) détachement d'un adatome d'un cluster, (f) incorporation d'un adatome à
une marche; (g) incorporation d'un adatome à un cran "kink"; (h) désorption.
Chapitre I :
Les processus élémentaires typiques intervenant pendant la croissance

sont montrés schématiquement sur la figure I.7. Les atomes sont déposés sur un
substrat avec un flux de dépôt F (a). Les atomes deviennent des adatomes et ils
peuvent diffuser sur la terrasse (b). Les adatomes peuvent en rencontrer d'autres
pour former un îlot (c), ou pour s'attacher à un cluster (îlot) existant (d). Un
adatome peut se détacher d'un cluster (e) et continue la diffusion sur la terrasse
jusqu'à ce qu'il s'attache à une marche (f) ou bien à un cran (g). Certains
adatomes peuvent s'évaporer de la surface (h).
IV.4. Modes de croissance

Selon les conditions du processus de croissance, les couches minces se
développent selon l'un des trois modes de croissance thermodynamique
principaux, (cf. figure I.8): (a) croissance de "Frank-van der Merwe" qui se réalise
couche par couche ou bidimensionnelle à 2D, (b) croissance de "Volmer-Weber"
associée à des ilots donc tridimensionnelle à 3D) et (c) croissance de "Stranski-
Krastanov" correspondant à une croissance combinée 2D-3D. Ces différents
modes de croissance peuvent être décrits par des modèles thermodynamiques
simples pour la nucléation et la croissance des matériaux [63-64]. En général, le
mode de croissance par couche (figure I.8.a) se produit si les atomes ou bien les
molécules déposées sont plus fortement liées au substrat que l'un à l'autre, et
chaque couche est progressivement moins fortement liée que la précédente. En
effet, lorsque l’énergie d’adhésion est suffisante pour que les deux couches
épitaxiées adhèrent l’une sur l’autre, le film mince forme des feuilles planes et
bidimensionnelles et se développe couche par couche [65].Ce mode est observé
dans le cas de l'homoépitaxie en général, mais aussi pour des systèmes
hétéroépitaxiques pendant la croissance épitaxiale des semi-conducteurs ou des
matériaux d'oxyde [66]. La croissance tridimensionnelle 3D (figure I.8.b) survient
lorsque les atomes ou bien les molécules déposées sont plus fortement liées l'un à
l'autre qu'avec le substrat. Au cours de la croissance, des petits germes se
forment à la surface du substrat. Ensuite, Les germes les plus stables vont croître
dans la direction verticale formant des îlots tridimensionnels. Dans ce cas le
matériau mouille partiellement le substrat. On retrouve ce mode de croissance
dans les systèmes Au sur graphite et Pb sur graphite, par exemple. Le même
comportement a été observé aussi pour la croissance de certains métaux (Cu/Cu
[51, 67] ou Ir/Ir [68]. Enfin, la croissance de "Stranski-Krastanov", qui correspond
à une combinaison des deux modes précédents. Après un début de croissance
bidimensionnelle jusqu’à une épaisseur critique, la formation d’îlots devient
énergétiquement favorable, d’où une transition d’un mode de croissance 2D vers
3D (figure I.8.c). Ce mode est observé dans un certain nombre de systèmes, par
exemple lors de la croissance SiGe/Si(001) [69-70], dans ce cas la transition d’un
Chapitre I :
mode de croissance 2D vers 3D est expliqué par une déformation élastique au

sein du matériau lors de la relaxation de l'énergie élastique emmagasinée à
l’interface SiGe/Si, cette contrainte est appliquée par le substrat sur le film en
croissance.
Figure I.8 : Diagramme schématique des trois modes de croissance thermodynamique

des films minces : (a) mode de croissance "Frank-van der Merwe"(couche par couche 2D);
(b) mode de croissance "Volmer-Weber" (îlots 3D); et (c) croissance de "Stranski-
Krastanov"(2D-3D).
IV.5. Rappels sur les instabilités de croissance

Les instabilités morphologiques désignent des phénomènes physiques
spontanés d’auto-organisation spatiale. Ces instabilités se manifestent par
l’apparition spontanée de structures spatiales, temporelles ou spatio-temporelles
par l'auto-organisation de différents constituants du système, c'est un phénomène
commun dans la nature.
Dans le domaine de la physique du solide, l’emploi d’une instabilité de
croissance constitue un moyen élégant pour la nanostructuration, par exemple
dans la croissance des couches minces. L’auto-structuration naturelle de
structures peut être obtenue grâce au développement d’instabilités
morphologiques. Ainsi, le contrôle de la morphologie des surfaces cristallines,
pendant la croissance, est crucial pour les applications technologiques.
Lorsqu’une surface vicinale est hors de l’équilibre thermodynamique (lors
de la croissance par exemple), elle subit des instabilités morphologiques
conduisant à la destruction de la conformation régulière du train de marches. Le
substrat s’auto-structure spontanément en développant de façon naturelle des
instabilités. L’observation directe de ces instabilités nous est rendu possible en
particulier par la microscopie à effet tunnel (STM) [71-72] ou la microscopie à
force atomique (AFM) [73-74]. En fonction de leurs origines, nous distinguons en
général deux classes d’instabilités, énergétiques et cinétiques.
Chapitre I :
- 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
mise en paquet méandrage
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.
Les exemples expérimentaux de ces instabilités sont nombreux et divers du

point de vue des matériaux considérés.
a b c
Figure I.10 : a) Image AFM ( 2 × 2µ m2 ) des ilots suite à un dépôt de 5 nm de Si0.65Ge0.35

sur Si(001) [77] ;b) Image AFM ( 4 × 4µ m2 ) après un dépôt de Si0.7Ge0.3 sur un substrat
Si(001) désorienté de 10°, montre le développement de l'instabilité de méandrage [78]; c)
Image AFM ( 5 × 5µ m2 ) d'un super-réseau de Si/Si0.95Ge0.05 sur un substrat de Si(001) à
T = 763K [79].
Chapitre I :
Par exemple, la croissance hétéroépitaxiale de SiGe sur un substrat de

Si(001) vicinal fait apparaître divers types d'instabilités en fonction des
conditions spécifiques de croissance. Une forme particulière d'auto-organisation
des boites sous forme d’ilots 3D est obtenue lors de la croissance du Si/Si1-xGex
[77]. L’instabilité du méandrage, pour certains systèmes, est mise en évidence
sous la forme d'ondulations périodiques (en forme de fils) s'étalant
perpendiculairement à la direction des marches [78]. L’instabilité de mise en
paquets est observée sous la forme d’ondulations de surface parallèlement aux
bords des marches lors de la croissance de super-réseaux de Si/Si1-xGex sur un
substrat de Si(001) vicinal [79] (cf. figure I.10).
La coexistence des deux instabilités, l'instabilité de mise en paquet de
marches et celle du méandrage peuvent être observées lors de l'homoépitaxie par
MBE de GaAs sur des substrats GaAs(110) vicinaux [80]. Tejdore et al ont
expliqué cette morphologie par une asymétrie d'incorporation des adatomes au
bord des marches, gouvernée par l'existence d'une barrière énergétique
supplémentaire à franchir. Ces morphologies ont été reproduites par des
modélisations Monte Carlo cinétique (kMC) en utilisant les mêmes paramètres
expérimentaux (Température, Flux,...) et en ajoutant une barrière ES inverse
(Ebi) [81].
En résumé, les surfaces en croissance sont fréquemment affectées par des
instabilités morphologiques. Il est donc important d’identifier les paramètres
contrôlant ces instabilités pour comprendre leurs origines et être capable
d’analyser les conséquences des mécanismes donnés sur les morphologies
observées sur les surfaces. Un travail dédié à la compréhension de l'instabilité de
méandrage, observée expérimentalement lors de la croissance homoépitaxiale du
Cu (100) [51], va être présenté dans le Chapitre IV de cette thèse.
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 :
expérimentaux enregistrés lors de la croissance par jets moléculaires et, d’autre

part, de comprendre les phénomènes microscopiques responsables de l’apparition
d’un mode de croissance particulier. Cette approche consiste à décrire la matière
à partir des atomes qui la composent : il s’agit d’une modélisation atomistique.
Les nano-objets constitués typiquement de quelques atomes (cas des molécules) à
plusieurs dizaines de milliers (cas des boîtes quantiques) sont accessibles à la
modélisation atomistique.
Divers outils de modélisation offrent la possibilité d’étudier ces sujets
d’intérêt et chacun d’eux possède sa spécificité et ses limites. A savoir :
Méthodes ab-initio : consistent à déterminer les interactions entre les atomes
à partir de la structure électronique du matériau, et ce sans paramètres
ajustables, elles sont basées sur la résolution de l'équation de Schrödinger.
Dynamique moléculaire : Elle est fréquemment utilisée dans les études qui
concernent la cinétique et la diffusion des atomes sur les surfaces cristallines.
Cette méthode consiste en outre à résoudre les équations de mouvement des
atomes.
Modèles empiriques : permettent de décrire les interactions entre les atomes
de manière beaucoup plus simple qu’avec les méthodes ab-initio : les
électrons ne sont pas explicitement traités, mais les liaisons chimiques sont
décrites par une fonction d’énergie potentielle entre atomes.
Méthode Monte-Carlo : permet d’aborder l’évolution de plusieurs millions
d’atomes sur des durées relativement longues, de l’ordre de quelques heures.
Le modèle consiste à réduire le nombre d’évènements atomiques pour ne
conserver que les évènements estimés comme étant significatifs pour
l’évolution macroscopique.
Le choix de la méthode numérique dépend de la taille des systèmes étudiés
et de ses propriétés. Notre équipe de recherche s'intéresse principalement à la
modélisation Monte Carlo cinétique (kMC) de la dynamique des nanostructures
lors de la croissance épitaxiale.
Dans ce travail de thèse nous nous sommes intéressés à la méthode Monte
Carlo cinétique (kMC) pour l’étude microscopique des mécanismes
microscopiques intervenant dans la dynamique des marches à l'équilibre (Flux =
0 ML/s), ainsi que, lors de la croissance épitaxiale. Nous avons développé le code
numérique original élaboré par mon co-encadrant Mohamed Ajmi Bel Haj
Hamouda durant sa thèse de doctorat en lui ajoutant d'autres mécanismes
microscopiques tel que : les interactions des atomes avec celles des seconds
proches voisins (NNN).
Chapitre I :
Notons que la simulation kMC est un outil extrêmement utile comme

soutient à l’expérimentation ou même comme unique recours lorsque
l’expérimentation est impossible pour l’étude et le contrôle des propriétés des
nano-objets. Les échelles de longueur et de temps expérimentales sont
directement accessibles aux techniques de simulation. Les morphologies des
surfaces numériques obtenues sont comparées directement aux images
expérimentales. Une analyse quantitative est aussi possible qui permet là aussi
d’extraire certains paramètres importants qui pourraient également être mesurés
à partir d’images STM des surfaces réelles. En résumé, les simulations offrent
ainsi la possibilité de dégager une compréhension globale et approfondie des
phénomènes.
V.2. Description du modèle cinétique (kMC)

Le modèle Monte Carlo cinétique utilisé décrit la surface vicinale par une
matrice à deux dimensions, dont les éléments représentent la hauteur en chaque
site de la surface (modèle SOS : Solid On Solid) [8, 81]. Le cristal est supposé
avoir une structure cubique, où chaque atome est entouré de quatre premiers
voisins de façon tétraédrique. Les liaisons pendantes et les défauts ponctuels ne
sont pas pris en compte par ce modèle. Des conditions de périodicité aux limites
de la surface sont imposées, de sorte que la particule qui disparaît d’un côté lors
d’un événement de diffusion, réapparaît sur le bord opposé.
De façon schématique, les événements microscopiques possibles pendant la
croissance cristalline sont : le dépôt des atomes et leur diffusion sur la surface.
Le choix de l’événement, dépôt ou diffusion, se fait aléatoirement, avec une
probabilité qui dépend de la fréquence de réalisation de chaque événement.
Lors du choix d’un événement de dépôt, l’atome est déposé, de manière
aléatoire également, sur un site de la surface avec un paramètre uniforme,
ajustable à souhait, le flux de dépôt F, exprimé en monocouche par seconde
(MC.s-1 ou encore nombre d’atomes déposés par unité de temps). Une fois déposé,
l’adatome peut diffuser dans les quatre directions de la surface.
Lors d’un événement de diffusion, l’atome qui va diffuser est choisi
aléatoirement, aussi, en rapport avec les taux de diffusion de chaque atome sur la
surface, puis sa direction de diffusion est encore choisie, en fonction des
fréquences de diffusion dans les quatre directions, par le tirage d’un nombre au
hasard. Dans notre modèle les quatre directions de diffusion sont équiprobables.
La caractéristique de la méthode kMC réside dans le fait que lorsqu’un
événement a été choisi, il est réalisé avec une probabilité de 1.
Chapitre I :
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 :
Ces relations représentent les différentes situations que nous avons

étudiées dans notre modèle de simulation kMC. Notons que, les valeurs de ces
barrières énergétiques sont choisies à partir de la littérature.
Ed Ed + E b
Ed + E a
E d +3 Ea
Ed + Ebi
Ed +2 Ea
Figure I.11 : Représentation schématique des configurations rencontrées dans notre

modèle kMC lors de la diffusion d'un atome.
Comme déjà mentionné, nous avons amélioré le modèle en tenant compte

des interactions avec les atomes seconds proches voisins (NNN), caractérisés par
leur énergie de liaison E2. Notons que, l'ajout de ces interactions dans le code
n'est pas une tache simple donnant lieu à des majeures modifications dans le
code d’origine. Ainsi, avec ces interactions NNN, le temps de calcul devient long,
ce qui nécessite de travailler avec des ordinateurs de haute performance.
Dans ce cas, l'énergie d'activation d'un tel processus de diffusion est
donnée par : ED = Ed + n1 E1+ n2 E2 + (Eb + Ebi), où n2, est le nombre des seconds
voisins de l'atome diffusant et E2, est l'énergie de liaison entre l'atome et ses
seconds proches voisins (liaisons en diagonale).
La figure I.12 présente quelques configurations atomiques sur la surface
du substrat lors du processus de diffusion en présence des différents types des
proches voisins.
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
Figure I.12 : Représentation schématique de quelques configurations atomiques sur la

surface lors de la diffusion en tenant compte des interactions avec les atomes seconds
proches voisins (NNN), cette interaction NNN est caractérisée par l'énergie E2.
Chapitre I :
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
i. Ce modèle est basé sur l'algorithme développé par Bortz et al [82].
Figure I.13 : Choix d'un événement i à l'aide d'un nombre aléatoire ξ
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 :
les excitations élémentaires d’une marche et la compréhension des mécanismes

énergétiques correspondants sont liées à la rigidité des marches βɶ (θ , T) . D'autre
part, nous avons discuté brièvement les différentes instabilités de croissance, en
fonction de ces origines, nous distinguons deux grandes classes d'instabilités :
instabilités cinétiques et instabilités énergétiques. Ce chapitre est achevé par une
description de la méthode Monte Carlo cinétique (KMC), ce modèle contient deux
grands événements : dépôt et diffusion. En effet, la méthode kMC permet
d'explorer les propriétés d'équilibre des systèmes et de décrire leur évolution
temporelle hors équilibre. Les paramètres qui sont introduits dans le programme,
sont choisis à partir de l’expérience ou bien déterminés par le calcul ab-initio.
Dans le chapitre suivant, nous nous focalisons sur la modélisation théorique du
mouvement des marches atomiques à l'équilibre (Flux = 0 ML/s).
Bibliographie (Chapitre I) 31
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.
[41] M. E. Fisherj. Stat. Phys. 34 667 1984.

[42] E.D. Williams, R.J. Phaneuf, J. Wei, N.C. Bartelt, T.L. Einstein, Surf. Sci. 310 451
1994.
[43] Sonia Blel, Ajmi BH.Hammouda, Brahim Mahjoub, Philip Hoggan, Brahim Oujia,
Superlattices and Microstructures 102 155 2017.
[44] M. Henzler, H. Ibach, Electron Spectroscopy for Surface Analysis Ed. (Springer,
Berlin). 117-149 1977.
[45] G. Comsa, G. Mechtersheimer, B. Poelsema, Surf Sci. 119 172 1982.
[46] M. Den Nijs, E. K. Riedel, E. H. Conrad, T. Engel, Phys. Rev. Lett. 55 1689 1985.
[47] N. Osakabe, Y. Tanishiro, K. Yagi, G. Honjo, ibid. 109 353 1981.
[48] W. Telieps and E. Bauer, Ber. Bunsenges. Phys. Chem. 90 197 1986.
[49] R. T. Tung and F. Schrey, Phys. Rev. Lett. 63 1277 1989.
[50] Wei Guo, Meng Zhang, Animesh Banerjee et Pallab Bhattacharya, Nano Letters. 10
3355-3359 2010.
[51] T. Maroutian, L. Douillard, and H.-J. Ernst, Phys. Rev. B. 64 165401 2001; Phys
Rev Lett 83 4353 1999.
[52] Chuan-Fu Lin, Ajmi BH.Hammouda, H.-C.Kan, N.C. Bartelt, R.J. Phaneuf, Phys.
Rev. B. 85 085421 2012.
[53] Chuan-Fu Lin, H.C Kan, S. Kanakaraju, C. Richardson, R.J. Phaneuf,
Nanomaterials. 4 347 2014.
[54] P. Waltereit, O. Brandt, A. Trampert et al, Letters to Nature, 406 865-868 2000.
[55] E.V. Bushuev, V.Yu. Yurov, A.P. Bolshakov et al, Diamond and Related Materials.
72 61-70 2017.
[56] Petr Prusa, Miroslav Kučera, Vladimir Babin et al, Advanced Optical Materials. 5
1600875 2017.
[57] T. Konishi, E. Clarke, C. W. Burrows, J. J. Bomphrey, R. Murray, G. R. Bell,
Scientific Reports. 7 42606 2017.
[58] A. BH. Hamouda, A. Pimpinelli and T. L. Einstein, European Physics Letter. 88

26005 2009.
[59] A. BH. Hamouda, R. Sathiyanarayanan, A. Pimpinelli, and T. L. Einstein, Phys.
Rev. B. 83 035423 2011.
[60] Ajmi B.H. Hamouda, Brahim Mahjoub, S. Blel, Surf. Sci. 661 42-48 2017.
[61] Brahim 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".
[62] C. Ratsch and J. V. Venables, Journal of Vacuum Science and Technology A. 21 S96-
S109 2003.
[63] S. Chambers, Surf. Sci. Rep. Sci. 39 105 2000.
[64] L. W. Martin, Y. H. Chu and R. Ramesh, Mater. Sci. Eng. R 68 89 2010.
[65] J. D. Venables , J. Mater. Sci. 19 2431 1984.

[66] D. Reisinger, B. Blass, J. Klein, J. B. Philipp, M. Schonecke, A. Erb, L. Alff et R.
Gross, Appl. Phys. A. 77 619 2003.
[67] H.-J. Ernst, F. Fabre, R. Folkerts, and J. Lapujoulade, Phys. Rev. Lett. 72 112 1994.
[68] S. Wang , G. Ehrlich, Phys. Lett. B. 67 2509 1991.
[69] C. Roland, G. H. Gilmer, Phys. Rev. B. 47 16286 1993.
[70] P. Sonnet, P. C. Kelires, Phys. Rev. B. 66 205307 2002.
[71] J.-K. Zuo, J.F. Wendelken, Phys. Rev. Lett. 78 2791 1997.
[72] M. Kalff, P. Šmilauer, G. Comsa, T. Michely, Surf. Sci. 426 L447 1999.
[73] N. Néel, T. Maroutian, L. Douillard, H.-J. Ernst, J. Phys. Condens. Matter. 15
S3227 2003.
[74] M. Engler, S. Macko, F. Frost, T. Michely, Phys. Rev. B 89 245412 2014.

[75] I. Berbezier, A. Ronda, F. Volpi, A. Portavoce, Surf. Sci. 531 231 2003.
[76] E. D. Williams, R. J.Phaneuf, J. Wie, N. C. Bartelt, T. L. Einstein, Surf. Sci. 294
219 1993.
[77] I. Berbezier, A. Ronda, A. Portavoce, J. Phys., Condens. Matter. 14 8283 2002.
[78] M. Abdallah, Thèse de Doctorat "Realisation et caracterisation optique de
nanostructures à base de SiGe", Univ. de la Méditerranée, Marseille, 2000.
[79] M. Mühlberger, C. Schelling, G. Springholtz, F. Schäffler, Mat. Sci. Eng. B. 89 257
2002.
[80] P. Tejedor, P. Smilauer, C. Roberts, B. A. Joyce, Phys. Rev. B. 59 2341 1999.
[81] Ajmi B.H. Hamouda, Ph.D. thesis, Université Blaise Pascal, Clermont 2 (France),
Doctoral School of Fundamental Science, No. 531 2007.
[82] A. Bortz, M. Calos et J. A. Lebwitz, J. comput. Phys. 17 10 1975.
Chapitre II
Modélisation théorique de la dynamique des
marches à l'équilibre
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
Chapitre II : Modélisation théorique de la

dynamique des marches à l'équilibre
La croissance sur les surfaces vicinales est un moyen d’ordonner les

nanostructures, grâce au réseau de marches qui les constitue. Ces marches se
comportent comme des sites d’incorporation préférentiels pour les adatomes
provenant du flux. L'évolution de la surface est étroitement liée aux mécanismes
de transport de masse provoqué essentiellement par le mouvement des marches.
En outre, les propriétés énergétiques des marches atomiques, ainsi que la
nature de leurs interactions et les caractéristiques de leurs fluctuations spatio-
temporelles à l’équilibre1, gouvernent la morphologie des surfaces. Ainsi, la
caractérisation des mécanismes microscopiques contrôlant les fluctuations
thermiques des marches est cruciale pour une compréhension plus exhaustive de
nombreux processus importants, tels que la forme d’équilibre des cristaux, la
croissance épitaxiale, la fabrication des nanostructures ou la rugosité de ces
matériaux [1-12].
Afin d’étudier la dynamique des marches, il est nécessaire de comprendre
le mouvement global des atomes, notamment le processus de diffusion atomique.
En effet, le mouvement des marches est étroitement lié à la nature et à l'intensité
des interactions interatomiques. La mesure directe de la distribution des largeurs
des terrasses (TWD), s’avère un moyen extrêmement puisant dans l’étude de
l'évolution des surfaces vicinales. En effet, elle permet de déterminer l’intensité
des interactions entre les marches, l’excitation thermique du bord des marches et
les processus cinétiques qui sont mis en jeu lors de ces fluctuations [6, 13-20]. Par
conséquent, il est absolument indispensable de faire une modélisation analytique
de la TWD, en tenant compte de la plupart des détails atomiques (structure des
marches, interactions entre les atomes, propriétés énergétiques des marches...) et
ce, pour bien maîtriser les mécanismes gouvernant l'évolution de la surface vers
l'état d'équilibre et, surtout, de spécifier et de clarifier les paramètres de base qui
constituent les facteurs essentiels de la relaxation de la surface.
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 :
Dans ce chapitre, nous nous intéresserons aux modèles théoriques

permettant de décrire le mouvement et les interactions entre les marches
atomiques à l’échelle microscopique. En premier lieu, nous décrirons les outils qui
nous sont nécessaires pour la modélisation du mouvement des marches. Par la
suite, nous présenterons en détail notre développement analytique, en faisant
intervenir les interactions avec les atomes seconds proches voisins (NNN), afin
de déterminer une nouvelle expression de la TWD. Ces interactions NNN, sont
prises en compte pour la première fois dans la caractérisation du dynamisme d'un
système des marches fluctuantes.
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].
La distribution dans le cas où toutes les marches sont distordues

simultanément peut être résolue exactement [25]. Cette distribution a une forme
universelle dans le sens où elle sera la même pour n'importe quel système quelle
que soit la largeur moyenne des terrasses. Des déviations (écarts) de cette forme
peuvent être utilisées pour déduire la présence d'autres interactions énergétiques
entre les marches. En effet, s'il y a des interactions attractives (généralement
faibles), la TWD sera plus large et le pic se déplacera vers une valeur inférieure à
la largeur moyenne des terrasses. Cependant, s'il y a des interactions répulsives,
la distribution devient plus étroite. Ainsi, à titre d'exemple, dans la figure II.1
nous avons illustré, une mesure expérimentale de la TWD dans le cas d'une
Chapitre II :
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].
Des études théoriques ont été menées pour déterminer analytiquement la

forme de la TWD. Elles sont basées sur l’analogie entre la théorie des matrices
aléatoires (RMT) et le modèle d’un gaz de Coulomb (une assemblée de particules
quantiques se déplaçant dans un potentiel à une dimension) [28]. Cette démarche
Chapitre II :
est, à l’origine, fondée sur l’approximation "fermionique2", conduisant à la forme

de Wigner pour la TWD (Eq. II-8).
Pimpinelli et al. [14] ont développé une méthode théorique basée sur
l’équation de Langevin, utilisant l’approximation du champ moyen et dont la
résolution analytique fait appel à l’équation de Fokker-Planck. Une expression
analytique de la TWD spatio-temporelle a été obtenue et dont la solution
stationnaire coïncide avec la distribution de Wigner généralisée. Cette approche
est la plus compréhensible jusqu’à présent malgré sa complexité mathématique.
En fait, des études réalisées précédemment ont montré la validité du formalisme
adopté par Pimpinelli [6, 15-19].
Dans ce qui suit, nous résumerons les principales étapes qui découlent de
ces théories. Notre contribution consiste, d'une part, à développer une nouvelle
expression analytique de la TWD, en tenant compte des interactions avec les
atomes seconds proches voisins (NNN) [29]. Cette démarche théorique sera
présentée en détail dans ce chapitre. D'autre part, nous avons mené des
simulations kMC pour valider notre modèle théorique (nous revenons sur ce point
dans le chapitre III).
II. Modélisation théorique des interactions entre marches et

mesure de la distribution des largeurs des terrasses (TWD)
II.1. Potentiel d’interaction et approximation du champ moyen
Dans l'approximation du champ moyen, on considère que la fluctuation
d’une marche se manifeste dans le potentiel moyen créé par toutes les autres
marches. Dans la proposition de Gruber-Mullins, le puits de potentiel est donné
par V(x) = 0 pour -<L> <x< +<L> et V(x) = ∞ ailleurs, où 2<L> est la largeur du
puits de potentiel. En d'autres termes, une marche fluctuante est fixée entre deux
parois rigides séparées d'une distance égale à deux fois l'espacement moyen, <L>,
entre les marches (cf. figure II.2). Dans ce qui suit, la position x est normalisée,
comme, s=x/<L>. La densité de probabilité, P (s ) ,de trouver une marche à la
position s ( −1 < s < +1 ) est donnée par [30] :
πs
P ( s ) = Sin 2 ( ). (II-1)
2
2 Equivalence entre un ensemble de marches fluctuantes et une assemblée de particules quantiques

(fermions) en interaction dans un puits de potentiel à une dimension [25, 28].
Chapitre II :
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].
Pour des interactions répulsives et en tenant compte de la condition de

non-croisement des marches, le potentiel s'écrit comme suit [31] :
A ∞   1 1
V ( s) =
< L >2
2 ∑  (n + s ) + (n − s )
2
, (II-2)
n =1  
La constante A est la force d'interaction. L'indice n compte les marches créant le
potentiel de champ moyen, où n=1 correspond aux marches plus proches voisines.
As 2
Dans l'approximation harmonique, autour de s = 0 , V (s) = , la TWD a
< L >2
une forme gaussienne [31] :
1  ( s − 1)2 
P( s) = exp  − 2 
, (II-3)
σ 2π  2σ 
où σ 2 , est la variance de la TWD, qui est liée à l'intensité d'intercation, A, par :
K
σ 2 = 1/2 , où K est une constante de proportionnalité. Pour le lecteur intéressé, il
A
trouvera plus de détails dans les références [32-36].
II.2. Application de la théorie des matrices aléatoires

La "théorie des matrices aléatoires" (RMT) [28] a été conçue à l’origine par
Wigner pour étudier la statistique des valeurs et des vecteurs propres des
systèmes quantiques complexes à plusieurs corps. Dans cette théorie,
l'Hamiltonien du système a été remplacé par un ensemble de matrices dont les
éléments sont des variables aléatoires, ces dernières, sont réparties selon une
distribution de probabilité donnée. La question est alors de savoir le lien entre la
probabilité d'apparition des valeurs propres et la probabilité de trouver une
terrasse de largeur ℓ donnée. En fait, dans la description "fermionique",
Chapitre II :
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)
La distribution de l'espacement entre les valeurs propres plus proches

voisines, P( s) , correspond à la densité de probabilité d'avoir un écart s , entre
deux niveaux voisins. Cette dernière, est la plus souvent utilisée pour étudier les
fluctuations stochastiques à courte portée. La fonction P( s) et son premier
moment sont normalisés à l'unité [37],
∞ ∞
∫ P(s)ds = 1 et ∫ sP(s)ds = 1
0 0
(II-7)
Wigner a proposé une forme simple de la distribution de l'espacement

entre les valeurs propres (cas N=2). Cette formule, qui décrivait initialement le
cas où ρ = 1 , a été généralisée pour les trois classes de symétries indiquées
précédemment. Elle est connue sous le nom de la conjecture de Wigner
généralisée "Wigner-surmise".
P(s) = a ρ s ρ exp(− b ρ s 2 ). (II-8)
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 :
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
L'expression (II-10) montre que la variance est liée à la rigidité βɶ et à

~
l'intensité d’interaction A. Ainsi, la détermination de σ2 est fondamentale dans
l'étude de la dynamique des marches. Cette variance est l'un des paramètres les
plus importants dans notre étude et de ce fait, les simulations kMC nous
permettent d'y accéder. La mesure numérique de la variance sera exposée en
détail dans le chapitre III.
II.3 Analogie fermions-marches en interaction

Le comportement quantique d’une assemblée de fermions sur une ligne est
équivalent à un modèle décrivant le comportement d’objets linéaires tels que les
marches à la surface d’un cristal. Cette équivalence a été établie par P.G. Gennes
[38] dans le cas d’objets sans interaction et a été étendue au cas d’objets en
interaction par Bartelt et al. [31]. Ces travaux ont permis de déduire
l’équivalence entre les fluctuations quantiques d’une particule (fermion) et les
fluctuations thermodynamiques d’une marche. Ce résultat sera ensuite
généralisé au cas d’un ensemble de marches. De plus, la condition de non
croisement des marches est considérée comme équivalente de l’antisymétrisation
de la fonction d’onde d’une assemblée de fermions et c’est ainsi que Joós et al. ont
utilisé cette analogie pour traiter spécifiquement le cas d’une surface vicinale
[25]. L’équivalence entre les deux modèles, quantique et thermodynamique,
présente un grand intérêt puisque le modèle de fermions en interaction dans un
potentiel qui varie en A / ℓ 2 ( ℓ , est la distance entre les fermions), est exactement
soluble. Dans ce modèle, l’Hamiltonien s’écrit [39] :
ℏ2 N ∂2 A
H =− ∑ +∑
2 m i =1 ∂xi i > j ( xi − x j ) 2
2
, (II-11)
Avec xi la position du fermion i et A, la constante d’interaction.

Sans rentrer dans les détails, l’équivalence avec le système de marches, se
~
fait en identifiant la rigidité du bord des marches β (θ = 0, T ) = k BT / b2 (T ) ( b est la
2
Chapitre II :
diffusivité des marches) à la masse m des fermions, la direction le long des

marches à un temps imaginaire découpé en intervalle et l’énergie thermique k BT
à la constante de Planck ℏ [39].
Ce modèle est très important car il est exactement soluble, il permet donc
de valider toute autre méthode de résolution pour un système décrit par
l’Hamiltonien (Eq.II-11). En fait, la distribution des probabilités des positions des
fermions est exactement la même que la distribution des probabilités des valeurs
propres dans le cas des matrices aléatoires. Ce qui nous intéresse, c'est la
distribution d'espacement des plus proches voisins, qui est bien l'approximation
prédite par Wigner dans le cas des matrices aléatoires. Par conséquent, la
conjecture de Wigner s'applique également aux fermions. Cependant, il faut noter
qu’il existe une différence importante entre les deux modèles (fermions et un
système de marches). En effet, les positions des marches sont discrètes (sites
atomiques) tandis que le modèle des fermions est continu. Sans discrétisation du
problème, le modèle des fermions ne présente pas de transition rugueuse pour
une interaction répulsive. Le Goff et al. [40] ont apporté une méthode de solution
numérique du problème d'une assemblée de fermions en interaction sur sites.
Egalement, d'autres corrections sont introduites, ce qui rend le modèle des
fermions plus soluble [40].
Notons que, la distribution de Wigner (Eq. II-8), a été généralisée par la
suite pour toute valeur de ρ . Par analogie à un système de marches on a, pour
des interactions attractives ( ρ < 2) , répulsion entropique ( ρ = 2) et pour des
interactions répulsives ( ρ > 2) .
D’une manière générale, pour des interactions inter-marches modérées

(3 < ρ < 5) , il est observé que la forme des TWD expérimentales n’obéit ni à
l’approximation du champ moyen (forme gaussienne) et ni à la conjecture de
Wigner. Néanmoins, l’approximation et la conjecture donnent toutes les deux des
résultats satisfaisants (mais pas suffisants). Ces deux modèles (Gaussien et
Wigner) ont été appliqués à l’analyse des TWD des surfaces vicinales du cuivre
par Giesen et Einstein, qui ont fait une comparaison [34], avec les surfaces
vicinales de platine [35].
En résumé, l'analogie avec la théorie des matrices aléatoires est, à
l’origine, basée sur l’approximation "fermionique" des marches atomiques (qui
doivent être décrites par un modèle discrèt). Or, cette approximation n’est valable
que pour des marches suffisamment éloignées où le caractère discret des marches
peut être estompé [40]. Une autre démarche, basée sur le modèle de Langevin, a
été développée par Pimpinelli et al [14]. Comme nous allons le voir par la suite,
cette méthode, est la plus convaincante parmi les autres modèles.
Chapitre II :
II.4 Modèle stochastique et analogie avec le mouvement Brownien

II.4.1 Généralités
L'évolution de la morphologie des surfaces est décrite en termes de
mouvement des marches et elle peut être décrite en suivant les positions des
marches dans le temps. Puisque le but est de comprendre les propriétés
d'équilibre des surfaces, tout mouvement observé doit être dû à des fluctuations
thermiques qui sont stochastiques par nature [14]. Ces mouvements
stochastiques sont bien décrits par le formalisme de Langevin [28, 41]. En effet,
l'approche de Langevin est largement utilisée dans le but de trouver l'effet des
fluctuations dans les systèmes macroscopiquement connus [28]. Dans notre cas
particulier (de l'évolution de surface ou d'interface), nous sommes capables de
modéliser les fluctuations des marches en utilisant le formalisme de Langevin
sans essayer d'incorporer les détails des processus de transport à l'échelle
atomique. En général, les fluctuations sont introduites dans le modèle de
Langevin en ajoutant des termes aléatoires à l'équation du mouvement. Ici, la
nature aléatoire des processus à l'échelle atomique est représentée par un terme
de bruit introduit dans une équation de Langevin stochastique [2-3, 14].
Afin de décrire les fluctuations spatio-temporelles des marches, une
approche a été, développée par Pimpinelli et al [14]. Elle est basée sur l’équation
de Langevin et ce, en utilisant l’approximation du champ moyen et dont la
résolution analytique fait appel à l’équation de Fokker-Planck. Elle consiste en
un va et vient entre la description continue et celle discrète des marches. Cette
démarche semble la plus compréhensive jusqu’à maintenant. Elle assure un
élégant couplage entre la description mathématique (théorie des matrices
aléatoires) et la description "fermionique" (dynamique des particules fermions).
Une expression analytique de la TWD spatio-temporelle a été obtenue et dont la
solution stationnaire coïncide avec la distribution de Wigner généralisée
(Eq. II-8) [14]. L’apport le plus important de cette approche est qu’elle a permis
d’étendre la conjecture de Wigner à des situations hors équilibre [6] et de montrer
comment évolue la TWD, initialement hors équilibre, vers un état d’équilibre
stationnaire. La validation numérique de cette approche est aussi sans équivoque
[6, 16-17, 42].
Soulignons que le développement théorique que nous avons proposé pour la
quantification des interactions entre les marches est basé sur l'équation de
Langevin. Ainsi, avant d'exposer les fondements mathématiques de notre modèle,
nous présentons dans le paragraphe qui suit un bref aperçu sur les principaux
résultats de l'approche de Pimpinelli [14].
Chapitre II :
II.4.2 Rappels sur la dérivation Fokker-Planck et modèle de Pimpinelli

Le point de départ de cette approche est le modèle de Dyson qui décrit le
mouvement brownien d’un gaz coulombien [28]. Elle est basée sur l'analogie
fondée par Dyson entre la théorie des matrices aléatoires (RMT) et un modèle de
gaz de Coulomb [41], à savoir un «gaz» de N particules sur une ligne,
interagissant avec un potentiel logarithmique et confiné par un potentiel
harmonique. Le modèle du gaz de Coulomb aide, entre autres, à comprendre les
propriétés des fluctuations spectrales de systèmes conservatifs plus complexes.
En outre, les symétries légèrement brisées, agissant comme des perturbations
sur les propriétés conservatives, peuvent être interprétées à l’aide d’un modèle
dynamique tel que le modèle du mouvement Brownien. Dans ce modèle, les
niveaux du spectre d’énergie se comportent comme N particules soumises, à part
leur répulsion mutuelle, à des forces dissipatives [28]. Ainsi, la position xi d’une
particule obéit aux équations de Langevin stochastiques suivantes :
∂xi γ1
xɺi = = −γ 0 xi + ∑ + Γη (t ). (II-12)
∂t i ≠ j xi − x j
Cette équation, se compose de trois termes, les deux premières quantités

déterminent la forme du potentiel de confinement des marches. On distingue
respectivement :
• Terme harmonique : est dû à un potentiel de confinement harmonique, son
intensité est décrite par le coefficient γ 0 .
• Terme coulombien mono-polaire d'intensité γ 1 : il décrit des interactions

coulombiennes répulsives.
• Terme de « bruit blanc4 », d’intensité Γ : il représente la partie stochastique
associée à tout phénomène de nature aléatoire.
Après des manipulations mathématiques, Pimpinelli a abouti à une
équation de Langevin à une seule variable, la distance qui sépare deux particules
ou largeur de terrasses w. Elle obéit à l’équation différentielle stochastique [14]
suivante :
 γ γ1  γ1 
V ( w) = −2  0 +  w − .
w 
(II-13)
 2 < w > 
2
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 :
La résolution de cette équation n’est pas simple, à cause notamment du

terme de bruit. L'idée de Pimpinelli, est de la convertir en une équation de
Fokker-Planck pour la distribution de probabilité P(w, t ) , sous la forme suivante :
∂P(w, t ) ∂ ∂ 2 P(w, t )
= − {V (w) P(w, t )} + Γ , (II-14)
∂t ∂w ∂w2
où, la distribution P(w, t ) , traduit la probabilité de trouver une largeur w de
terrasse, à un instant t donné.
L'équation (Eq. II-14), admet comme solution stationnaire la distribution
de Wigner généralisée, (Eq. II-8). Aussi, Pimpinelli a déterminé une forme simple
de la variance σ 2 , de la TWD, qui s'écrit [14] :
σ 2 (tɶ ) = σ ∞2 (1 − e − t ),
ɶ
(II-15)
avec tɶ = t / τ , est la constante de temps adimensionnée (appelée aussi temps
imaginaire de Fokker-Planck), τ , est le temps de relaxation décrivant l'évolution
de la surface vers l'état d'équilibre stationnaire et σ ∞2 , désigne la variance de
saturation (pour t → ∞ ).
L'équation (Eq. II-15) est très importante, puisqu'elle permet de faire une
comparaison directe entre les données expérimentales et les résultats
numériques [14, 16-17, 42]. Par conséquent, la détermination de la variance est le
point de départ de tous nos calculs numériques (voir chapitre III).
Bien que cette approche a été vérifiée dans plusieurs revues scientifiques
[6, 16-17], plusieurs détails atomiques ne sont pas inclus dans ce modèle. En fait,
l'orientation des marches n'est pas prise en compte dans les équations de
Langevin. Aussi, pour des raisons de simplification, le problème est limité aux
interactions entre les marches proches voisines (approximation du champ
moyen).
Par la suite, nous allons présenter en détail notre modèle théorique pour la
TWD, basé sur l'analogie avec le mouvement Brownien. En fait, nous avons
développé le modèle de Pimpinelli en tenant compte des interactions avec les
atomes seconds proches voisins (NNN) dans les équations de Langevin.
III. Nouveau modèle pour la quantification des interactions

entre les marches et effet des interactions NNN
III.1 Motivation
La stabilité des surfaces vicinales a suscité un intérêt considérable ces
dernières années. Les surfaces présentant une grande stabilité, révèlent un
arrangement régulier des marches. Cette structure régulière est stabilisée par
des interactions répulsives entre les marches adjacentes [25, 31, 49]. Comme il
Chapitre II :
est mentionné dans le chapitre précédent, les potentiels de ces interactions

peuvent être de natures différentes (interactions répulsives entropiques,
interactions énergétiques explicites : répulsives et attractives).
Notons que, pour des raisons de simplicité du modèle utilisé et du fait que
dans les matériaux conventionnels, les interactions entre les marches proches
voisines (NN) sont connues dominantes [43], la majorité des études théoriques et
des modèles de simulations, négligent souvent les autres interactions (NNN, Trio
voisins ou d'autres). Cependant, une étude récente au sein de notre groupe
montre que les interactions NNN affectent, d’une manière significative, la
dynamique de croissance de certains matériaux (Cu et Ag), notamment les
exposants d’échelles et l'instabilité de méandrage [12, 44]. En ce qui concerne la
dynamique des marches, quelques travaux de recherche ont étudié l'effet des
interactions NNN [45-48]. En effet, dans une étude théorique, Stasevich et al ont
proposé un modèle qui illustre le comportement de la rigidité des marches vis à
vis des interactions NNN [47].
Pour parvenir à comprendre d'une manière plus approfondie les
mécanismes microscopiques qui régissent la dynamique des marches, nous avons
développé un nouveau modèle décrivant les fluctuations des marches en essayant
d'incorporer les interactions NNN dans le formalisme de Langevin, décrit
précédemment.
III.2 Formalisme de la TWD et Interactions NNN

L’effet des interactions avec les atomes seconds voisins (NNN) peut être
inclus en introduisant dans l’équation de Langevin précédente (Eq. II-12), un
γ n+1
terme sous la forme : ∑ (x − x )
i≠ j
n avec n>1. Ce dernier terme agit à courte
i j
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
décrivant une "interaction coulombienne dipolaires" pour ce type de situation.

Chapitre II :
Par analogie à un système de marches fluctuantes dans une surface

vicinale, deux marches voisines peuvent être vues comme étant les trajectoires
décrites par deux particules en xi et xi +1 , en fonction du temps. La distance qui
les sépare représente alors la largeur de terrasse wi à des temps différents :
wi (t ) = xi +1 (t ) − xi (t ) . A grande distance (de l’ordre de L =< xi − x j > ), le terme
dipolaire décroit plus rapidement que le terme mono-polaire ; il peut être alors
considéré comme un terme correctif apporté à l’équation de Langevin avec des
interactions mono-polaires uniquement.
t
xi -2 xi-1 - a x i-1 x i - a xi xi+1 - a x i+1 x i+2 x
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”.
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 :
Également, on peut écrire l'équation (Eq. II-17) pour la (i+1)ème particule

comme : xɺ i + 1 = F ( x i + 1 ) + Γ η , où la partie déterministe de la force agissant sur
la (i+1) ème particule est donnée par :
γ1 γ2 γ1 γ2
F ( xi +1 ) = −γ 0 xi +1 + ∑−x
k > i +1 − xi +1
+
( xi +1 − xk ) 2
+ ∑
i +1> q xi +1 − xq
+
( xi +1 − xq ) 2
(II-19)
k
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 .
Si l’on soustrait l’équation (Eq. II-19) de l’équation (Eq. II-18), on obtient :

wɺ = F ( xi +1 ) − F ( xi ) + 2Γη . Ainsi, après quelques manipulations mathématiques le
terme, F ( xi +1 ) − F ( xi ) , s'écrit comme suit [29]:
 −2 x i +1 − x i x i +1 − x i 
−γ 0 ( x i +1 − x i ) − γ 1  +∑ +∑ +
 x i +1 − x i k > i +1 ( x k − x i +1)( x k − x i) i > q ( x i +1 − x q )( x i − x q )  (II-20)
 −w
2
2wi −w
2
2wi 
γ2  ∑ i
− +∑ − i

− ) 2
( −
 k >i +1 ( x i +1 x q x i x q ) 2
− ) 2
( − ) − ) 2
( −
( x i +1 x q x i x q i > q ( x i +1 x q x i x q ) 2
− ) 2
( − )
( x i +1 x q x i x q 
Pour découpler davantage la dépendance de la force exercée sur wi des

autres variables, en supposant dans un esprit de champ moyen, que toutes les
particules, à l’exception de celles situées à wi sont fixées à leur valeur moyenne
< w > , (la moyenne étant prise dans l'état stationnaire), nous pouvons écrire :
< ( xk − xi +1 )( xk − xi ) > st =< w 2 > ( k − i − 1)( k − i )

< ( xi +1 − xq )( xi − xq ) > st =< w 2 > (i + 1 − q )(i − q)
(II-21)
< ( xi +1 − xq ) 2 ( xi − xq ) 2 > st =< w4 > (i + 1 − q) 2 (i − q) 2
< ( xi +1 − xq ) 2 ( xi − xq ) > st =< w3 > (i + 1 − q) 2 (i − q)
Après des manipulations mathématiques et en faisant le changement de

variable suivant : k − i = r , q − i = r ' , l'équation (Eq. II-20) devient [29] :
 −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 :
permet d’obtenir, donc, l’équation de Langevin associée à la grandeur w , dont la

variation en fonction du temps obéit à l’équation différentielle stochastique
suivante :
 γ γ  2Cγ 2  w2 
wɺ = −γ 0 w − 2  12 w − 1  − < w > − w  + 2Γη , (II-23)
 < w > < w >  < w3
>  
π2
Où C, est une constante, égale à C = − 3 ≈ 0.29 .
3
Ainsi, l'équation (Eq. II-23) résulte de la contribution des quatre termes et
selon la nature du potentiel d'interaction, on distingue :
−γ 0 w : contribution du terme harmonique.

 γ γ 
−2  12 w − 1  : contribution du terme coulombien mono-polaire.
< w > < w >
2Cγ 2  w 2 
−  − w  : contribution des interactions coulombiennes dipolaires.
< w > < w >
3

2Γη : terme du bruit blanc.
w
Enfin, en faisant le changement de variable suivant : s = et après des
<w>
manipulations mathématiques, le potentiel d’interaction s’écrit :
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 :
U ( s ) = ( bρ s 2 − ( ρ / 2) ln( s ) ) + ( c ρ s 3 − ( ρ / 2) ln( s ) ) (II.26)
En gardant ρ comme paramètre d’ajustement, l’intensité d’interaction de

chaque potentiel d’interaction s’écrit comme suit :
γɶ1 = γ 1 / < w2 >= ρ / 2


 3
γɶ2 = γ 2 / < w >=
3
cρ . (II.27)
 2C
γɶ0 = 2bρ − 2γɶ1 + 2Cγɶ2
Chapitre II :
Ainsi, il suffit de déterminer ρ et par la suite bρ et cρ , ce qui nous

permettrait de déduire les γ i . Notons que, pour γ 2 = 0 , nous retrouvons le cas de
Pimpinelli et al [14], avec des interactions NN seules (Eq. II-13).
Notre modèle montre que l’interaction NNN (ou dipolaire) introduit un
3
terme cubique en s dans le potentiel d'interaction (Eq. II-24). Ainsi, la
distribution de probabilité stationnaire correspondant à ce potentiel a une forme
assez compliquée pour être utilisée dans la pratique. De plus, elle contient trois
paramètres à déterminer ( ρ , γ 0 , γ 2 ). Dans la pratique, il est souvent utile de
chercher à connaitre le poids d’un terme du potentiel par rapport à des termes
plus signifiants. En traitant le dernier terme comme une perturbation par
rapport aux deux premiers, il est alors possible d’écrire la probabilité stationnaire
qui correspond à l'équation (Eq. II-26) comme une somme de deux fonctions de
ρ ρ
Wigner Pρ ,n=2 (s) = aρ s exp(−bρ s ) et Pρ ,n=3 (s) = aρ s exp(−cρ s ) pondérées avec un
2 3
paramètre α , ainsi [29] :

Pρ , n ( s) = α Pρ , n=3 ( s ) + (1 − α ) Pρ ,n = 2 ( s) . (II.28)
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.
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 :
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).
Il est évident que le potentiel d’interaction dans le cas des interactions

NNN (n=3) est plus étroit que celui dans le cas des interactions NN (n=2)
seulement. Ainsi, la probabilité stationnaire correspondant à ce potentiel s’écrit
sous la forme :
Pρ ,n (s) = aρ ,n s ρ exp(−bρ ,n s n ) , n> 1. (II.30)
ρ +1
ρ +1
n ( Γ(( ρ + 2) / n])
n
 Γ[( ρ + 2) / n]  n(bρ ,n ) n
Avec, bρ , n =   et aρ , n = = . (II.31)
 Γ[( ρ + 1) / n ]  Γ[( ρ + 1) / n] ( Γ[( ρ + 1) / n]) ρ + 2
Notons, que pour n = 2, on retrouve la distribution de Wigner (Eq. II-8). Ainsi, la

~
variance de la distribution, σ n2 , et l’intensité d’interaction, An , sont liées au
paramètre ρ de la TWD via [29] :
 2 ρ +1
σ n ( ρ ) = nb − 1
ρ ,n
 , n>1. (II.32)
A~ ρ
 n ( ρ ) = 2n ( ρ − 2)
L’équation ci-dessus (Eq. II-30) dont une représentation est donnée par la
figure II.5 est une forme généralisée de la distribution de Wigner pour n
quelconque, c.à.d. pour un potentiel contenant un terme en sn , atténué par un
Chapitre II :
terme logarithmique. Ainsi, dans la pratique, les distributions de largeurs des

terrasses pourront être ajustées par une somme de deux distributions pondérées
par un facteur α .
En résumé, l'ajout des interactions NNN dans le formalisme de Langevin
fait apparaitre un terme en s3 dans le potentiel d'interaction (Eq. II-26), ce
dernier est caractérisé par trois paramètres : ρ , γ 0 , γ 2 . D'où, la difficulté
mathématique de dériver une forme simple pour la distribution de probabilité
stationnaire qui lui est associée.
Notons que, pour γ 2 = 0 , on retrouve le cas de Pimpinelli et al [14]. Dans la
pratique, on cherche à minimiser le nombre des paramètres d'ajustement. Notre
idée est d'écrire la probabilité comme une somme de deux distributions de Wigner
pondérées avec un paramètre α (Eq. II-28) :
• Une distribution pour n = 2, qui est la forme de Wigner généralisée trouvée

par pimpinelli et al [14] dans le cas des interactions NN seulement.
• Une distribution pour n=3, décrivant l'interaction NNN.
Ainsi, dans cette étude, on a considéré l'expression (Eq. II-28) comme
forme générale pour la TWD. Notre modèle a pour mérite de mettre en évidence
d'une part, le rôle important des interactions NNN dans la dynamique des
marches et donc leur effet sur les paramètres énergétiques contrôlant le
mouvement des marches, comme la rigidité βɶ (θ , T) . D'autre part, l'expression
théorique de la TWD (Eq. II-28) permet de connaitre le poids d’un terme du
potentiel par rapport à des termes plus signifiants. La validation numérique de
notre modèle sera présentée dans le chapitre suivant.
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 :
NNN). Cette expression théorique de la TWD nous permet de connaitre le poids

d’un terme du potentiel par rapport à l'autre. Des simulations Monte-Carlo
cinétique (kMC) seront à l’appui dans le chapitre suivant pour l’interprétation et
la validation des ces résultats théoriques.
Bibliographie (Chapitre II) 53
Bibliographie
1994.
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.
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".
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
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
Dans le premier chapitre nous avons vu que l’évolution d’une surface

vicinale vers sa morphologie d’équilibre est décrite à partir des paramètres
cinétiques incluant la diffusion des atomes (énergie d’activation), les
caractéristiques de la forme d’équilibre d'une surface (énergie de surface f 0 (T ) ),
mais aussi les paramètres statiques tels que : la rigidité de marche βɶ (θ , T) ) et
l’énergie des crans ε . D'ailleurs, les propriétés énergétiques des marches
atomiques, ainsi que la nature de leurs interactions et les caractéristiques de
leurs fluctuations spatio-temporelles à l’équilibre, gouvernent la morphologie des
surfaces et sont cruciales pour comprendre la forme d’équilibre des cristaux, la
croissance épitaxiale, la fabrication des nanostructures ou la rugosité de ces
matériaux [1-5].
Dans des conditions d’équilibre, la fonction de distribution des largeurs des
terrasses (TWD) fournit des informations quantitatives concernant les
interactions entre les marches, qui consiste à déterminer l’évolution spatiale
(distance entre marches) et temporelle (temps caractéristique) des marches
atomiques vers l’état d’équilibre [6]. Dans ce chapitre, on s'est attaché à étudier
les mécanismes qui gouvernent la dynamique des marches atomiques à
l'équilibre (Flux = 0 ML/s), à l'aide des simulations Monte Carlo cinétique (kMC).
Dans la première partie de ce chapitre, une comparaison entre deux orientations
de marches, suivant les directions <100> et <110> est faite, elle est basée sur
l’analyse de leurs distributions de largeurs des terrasses (TWD) et des mesures
de leur rigidité. La seconde partie sera consacrée à l'effet des interactions avec les
atomes seconds proches voisins (NNN) sur la TWD et la rigidité des marches.
Nous discuterons nos résultats de simulation kMC en relation avec les modèles
théoriques présentés dans le chapitre précédent et avec les résultats existants
dans la littérature. Bien que les paramètres énergétiques utilisés dans nos
simulations soient représentatifs du silicium et du Cuivre (Si, Cu), nous pensons
que les résultats qui en découlent seraient valables pour une large gamme de
matériaux.
Chapitre III :
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.
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].
D'autre part, nous avons déjà vu au cours du premier chapitre que la

rigidité est étroitement liée à l'énergie de marche et l'énergie des crans
(voir chapitre I, Eqs. I-1, I-18), ce qui suggère que l'interaction entre les marches
Chapitre III :
dépend de leur structure initiale et donc de leur orientation. De nombreuses

études, tant expérimentales que théoriques ont été consacrées à la dépendance
entre la rigidité et l'orientation des marches [13-20]. L'accent est mis sur deux
orientations physiquement très intéressantes, marches-droites <100> et marches-
en zigzag <110> [14-16, 19]. D'un autre côté, ces travaux ont montré que les
surfaces ayant des marches orientées dans la direction <110> ont différentes
excitations énergétiques que celles ayant des marches <100> [15-16]. En fait, les
marches en zigzag possèdent une densité de crans plus riche ce qui favorise la
diffusion et ce, plus que les marches droites. Cela entraine des mécanismes de
relaxation des marches assez différents, en accord avec les prédictions théoriques
qui prévoient que ces deux orientations de marches n’ont pas la même rigidité
[13-14].
En résumé la forme initiale des marches et son orientation jouent un rôle
très important dans la nano-structuration, ceci suggère que la dynamique des
surfaces cristallines est liée essentiellement à l’orientation des marches et à la
densité des crans. Par conséquent, une bonne compréhension des propriétés
cinétiques des marches atomiques est bien sûr pertinente avant de comprendre
comment les nanostructures puissent être auto-assemblées. En effet, le
mécanisme d'attachement-détachement des atomes d'une surface vicinale dépend
fortement de la cinétique des bords des marches et, donc, de leur rigidité. Ainsi, il
est fondamental de connaitre la rigidité des marches, y compris son anisotropie.
Notons que, les simulations numériques à l'échelle atomique fournissent un
moyen puissant et précis pour la détermination de la rigidité des marches et de
l’interaction entre elles, via une mesure directe des fonctions des corrélations
spatiales et de la TWD.
Dans un travail précédent Hamouda et al. [6] ont étudié le cas des marches
orientées dans la direction <100>. Dans cette étude, ils ont validé la démarche
théorique utilisant l'équation de Fokker-Planck (voir paragraphe II.4.2 dans le
chapitre II) et ils ont déterminé le mécanisme microscopique gouvernant la
relaxation des marches à l’équilibre. Nous avons, également, essayé de
reproduire ces résultats obtenus ultérieurement en les comparant avec nos
résultats récents sur les marches <110> [21].
Après avoir validé les modèles théoriques présentés dans le chapitre
précédent, l’objectif recherché est de comprendre l'effet de l'orientation
cristallographique sur la dynamique du mouvement des marches. Pour cela, nous
allons :
Chapitre III :
Déterminer la TWD en fonction du temps et déduire sa variance temporelle.

Déduire l’expression analytique de la constante du temps de relaxation des
marches vers l’équilibre stationnaire et extraire sa signification physique.
Préciser les processus cinétiques limitant la dynamique des marches.
Calculer l'intensité d'interaction marche-marche et la rigidité pour les deux
orientations des marches.
En outre, nous avons amélioré notre modèle numérique en ajoutant les
interactions avec les atomes seconds proches voisins (NNN), ces interactions
peuvent être de nature attractive ou bien répulsive. Leurs effets sur la TWD et la
rigidité de marche dans le cas d'une surface vicinale du cuivre Cu (100) seront
présentés également dans ce chapitre [22].
II. Résultats des simulations de la TWD

II.1. Modèle et paramètres des simulations kMC
Le modèle utilisé décrit la surface par une matrice à deux dimensions,
L y × Lx , dont les éléments représentent la hauteur en chaque site de la surface
(modèle Solid On Solid1). Le cristal est supposé avoir une structure cubique, où
chaque atome est entouré de quatre premiers voisins. Les liaisons pendantes et
les défauts ponctuels ne sont pas pris en compte par ce modèle. Des conditions
aux limites périodiques et vis-périodiques ont été appliquées dans les deux
directions y et x , respectivement, parallèle et perpendiculaire aux marches, de
sorte que la particule qui disparaît d’un côté lors d’un événement de diffusion,
réapparaît sur le bord opposé.
Dans notre modèle, pour les marches orientées suivant la direction <110>,
la surface vicinale initiale est incorporée dans un grand cube, comme il est
présenté dans la figure III.2. Les marches sont inclinées de 45° par rapport à
l'horizontale et riches en crans.
Les unités de longueur fondamentales sont les constantes du réseau a=1,
pour les marches <100> et a z = a 2 , pour les marches <110> (cf. figure III.2).
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 :
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).
Dans notre algorithme, la dimension de la matrice de simulation dans la

direction x, perpendiculaire aux marches, est Lx = 80 , celle dans la direction y, est
Ly = 5000 , exprimé en unité de a pour les marches <100>, et az pour l'orientation
<110>. Nous avons utilisé une surface vicinale renfermant 10 marches atomiques
pour les deux orientations, de telle sorte que la largeur moyenne des terrasses est
fixée à < w > = 8a et < w > = 8az respectivement, pour les marches <100> et <110>.
Les barrières d’énergie pour la diffusion sur la surface E d et de liaison des
atomes avec celles des premiers proches voisins (NN) sont choisies telles que :
0.3 < Ea < 0.42 eV et 0.9 < Ed < 1.1 eV . La température T est comprise entre 520 et
580K [3, 6].
Notons que, ces paramètres énergétiques utilisés sont représentatifs du
silicium (Si) et nous nous attendons à ce que les résultats trouvés soient valables
pour d'autres matériaux.
Des tests préliminaires ont été faits pour évaluer l’effet de la dimension
finie (notamment de la longueur des marches) sur nos résultats finaux. Dans
l’intervalle des températures utilisées, les courbes obtenues convergent et les
erreurs sont négligeables devant les erreurs statistiques (cf. figure III.3).
Chapitre III :
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.
Initialement (à t = 0), les marches sont parfaitement équidistantes. Puis,

sous l’effet de l’excitation thermique, les marches fluctuent et leur position évolue
en fonction du temps. Une configuration de la surface est enregistrée
régulièrement chaque fois que t = t MC ≡ 100s (tMC= unité de temps Monte Carlo
"MC"). En effet, la méthode Monte Carlo cinétique implique une succession
d'états choisis selon une probabilité statistique où le passage d'un état à un autre
est effectué avec une probabilité donnée. Dans notre modèle un événement de
passage est choisi avec une probabilité qui dépend de sa fréquence de réalisation,
l'avancement temporel est donné par t = − ln[ p ] / ∑ ri , où p est un nombre aléatoire,
i
compris entre 0 et 1, tiré au hasard à chaque événement de diffusion d’un atome

et choisi proportionnellement à sa probabilité d’apparition ri qui suit une loi
d’Arrhenius. L’enregistrement se termine au bout d’un temps de calcul « réel »
plus ou moins long qui peut varier de quelques heures jusqu'à une dizaine de
jours, et dépend principalement de la température du substrat et des barrières
énergétiques, c’est à dire, lorsque nous estimons que le système a pu atteindre
son état d’équilibre stationnaire (c.à.d. la variance de la distribution ne varie plus
dans le temps), à ce moment-là, l’exploitation des données peut ainsi commencer.
L’information probablement la plus importante qu’on peut extraire à partir
de ces configurations des surfaces stockées à des intervalles de temps
équidistants, est la distribution des largeurs de terrasses (TWD). D’où, on déduit
la variance σ 2 (t ) =< [ s(t )− < s(t ) >]2 >=< s(t ) 2 > − < s(t ) > 2 à un instant précis (une
surface donnée) et son évolution temporelle. Une moyenne sur plusieurs
simulations (avec les mêmes paramètres) est parfois nécessaire pour avoir un bon
Chapitre III :
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.
II.2. Mécanismes microscopiques gouvernant les fluctuations des

marches : Comparaison entre deux orientations <100> et <110>
Cette étude est basée sur la détermination de la TWD pour extraire les
informations qui caractérisent la dynamique des marches. Nous allons voir d'une
part, comment l'orientation des marches <110> conduit à une dynamique de
relaxation différente de celle des marches <100>. D'autre part, nous allons
montrer que l'anisotropie de bord de marche ralentit la relaxation des marches et
augmente l'intensité d'interaction marche-marche. Nos résultats montrent le rôle
crucial du processus de création-annihilation des crans ("kinks") pendant la
relaxation des marches.
II.2.1 Variance de la TWD

Comme nous l’avons déjà mentionné dans le chapitre précèdent, l’évolution
de la surface vers l’état d’équilibre stationnaire, est décrite par la variance de la
distribution σ 2 des largeurs des terrasses (Eq. II-15). La détermination de cette
quantité est très importante puisqu’elle permet de faire une comparaison directe
entre les données expérimentales et les données numériques. Plusieurs travaux
analytiques et numériques ont été réalisés pour étudier l'évolution de la variance
de la TWD pour différents systèmes physiquement intéressants et
expérimentalement vérifiables [6, 23-24].
A partir de nos simulations kMC, nous pouvons déduire σ 2 , la variance de
2
saturation de la TWD σ sat à l’équilibre stationnaire qui est liée à l’intensité
~
d’interaction entre marches A (Eq. II-10) et le temps de relaxation τ vers cet
état d’équilibre. Ce temps est relié à l’intensité du bruit blanc Γ via l’équation de
Langevin, par la relation :τ ≈ < w >2 Γ . De plus, τ n’entre pas de manière
explicite dans la force du bruit blanc. Ainsi, l’objectif principal de ces
investigations d’un point de vue fondamental et montrant le caractère productif
de notre approche, serait de montrer que τ correspond à un temps ayant une
signification physique concrète. Pratiquement, seules les simulations kMC
permettent d’examiner ce type de problème. Pimpinelli et al. [23] ont utilisé
l’algorithme de Metropolis pour étudier le modèle TSK ("Terrace-Step-kink")
d’une surface. Ils ont trouvé un bon accord avec l’expression théorique (Eq. II-15),
Chapitre III :
et la constante de saturation de la variance pour un temps t infini, est en très bon

accord avec la valeur théorique prédite par l’équation (Eq. II-10).
Nous avons mené des simulations kMC basées sur le modèle SOS
("Solid-On-Solid"), plutôt que l’algorithme de "Metropolis", qui utilise le modèle
TSK ("Terrace-Step-Kinks"). Une comparaison entre les deux orientations est
faite, elle est basée sur l’analyse de leurs distributions des largeurs des terrasses
(TWD) et des mesures de leur rigidité.
Rappelons que dans le cas où la surface initiale est une surface vicinale
parfaite (marches parfaitement droites et régulièrement espacées), la théorie
prédit une expression de l’écart type, σ , sous la forme [23] :
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
0 20000 40000 60000 80000 100000

t(s)
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).
Il est évident que σ sat croit avec la température, ce qui implique que le
paramètre ρ , lié à l’intensité des interactions entre les marches (Eq. II-10),
~
~ Aβ ρ
A= 2
≈ ( ρ − 2) , diminue avec T.
( K BT ) 4
Egalement, nous avons pu obtenir le même comportement dans le cas des

marches droites <100>. Nos résultats sont en bon accord avec la prédiction
Chapitre III :
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
ρ sat = 2.00 ± 0.01 ρ

100 110
= 1.51 ± 0.01
Marches <110> sat
0.3
Marches <100>
τ1 = 90 ± 8
Fit avec éq.III.2
τ = 4969 ± 109
0.2 Fit avec éq.III.1 τ 2 = 1779± 86
σ sat ≈ 1.12 , τ 2 ≈ 20
110
0.1 (τ ↑)
τ1
σ sat
100
0.0
0.0 0.2 0.4 0.6 0.8 1.0
t (s)
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>.
En effet, une analyse plus fine de la morphologie des marches à différents

temps, montre la présence de deux temps de relaxation : le premierτ1 , court,
correspond à un arrangement transitoire des marches durant lequel le nombre
des crans par marche décroit. Ce temps dépend de la configuration initiale des
marches. Le second, τ2 (τ2 >>τ1) opère à long temps et gouverne la relaxation des
Chapitre III :
marches vers l’état d’équilibre stationnaire. Donc τ2 ≡τ est le temps de relaxation

proprement dit. Nous avons proposé une expression légèrement modifiée, donnée
par :
σ (t ) = σ sat 1 − (e − t / τ + e − t / τ
1 2
), (III-2)
Où σ sat dépend, à priori, de l’orientation des marches ( σ sat > σ sat ).

110 100
La figure III.6 illustre la morphologie des marches <110> en fluctuation à

court temps (t <<τ2 ) à T=580K. Nous observons la formation des facettes locales le
long du bord des marches (indiquées par des flèches), dont le nombre croit en
fonction du temps. Ce qui reflète l'existence d'une phase transitoire d’alignement
du bord des marches qui se produit avant que la phase d’équilibrage aura lieu.
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.
II.2.2 Constante du temps de relaxation de la TWD

Le temps de relaxation τ , étant relié à l’intensité du bruit blanc Γ dans
l’équation de Langevin, donc la détermination de τ revient à une mesure directe
de l’intensité du bruit, quantité liée à un bruit aléatoire. Nos résultats sont
qualitativement en accord avec le fait que Γ doit croître (donc τ décroître) quand
ρ augmente [6]. La connaissance de la dépendance de τ en fonction des
paramètres énergétiques des simulations permet, en principe, de déterminer et
de comprendre les différents mécanismes qui contribuent à la cinétique de
relaxation des marches [6, 21]. Notre objectif consiste, donc, à déterminer la loi
de cette dépendance. Comme déjà mentionné dans le premier chapitre, dans
notre modèle numérique, les évènements de diffusion suivent une loi d’Arrhenius.
Chapitre III :
On s’attend alors, à ce que le temps de relaxation suit aussi une forme

exponentielle. La variable de proportionnalité doit dépendre de < w > 2 et de la
fréquence de diffusion D 0 . Soit : τ = τ (< w > , D 0 , ε k BT ). Par ailleurs, pour
2
déterminer la dépendance de la constante du temps de relaxation vis-à-vis d’un

paramètre énergétique, il suffit de varier ce paramètre en fixant les autres. Alors,
en faisant varier les paramètres de simulation, un par un, nous avons pu
déterminer une expression explicite de la constante du temps à partir de
l’analyse d’Arrhenius des Fig. III.7.a et Fig. III.7.b (en échelle semi-
logarithmique) [21] :
τ = τ 0 exp(ε kBT ), (III-3.a)

τ 0 = < w >2 4D 0 , D 0 = 10−13 s −1

où ε100 = 1.Ed + 3.Ea , pour < 100 > (III-3.b)
ε = 1.E + 2.E , pour < 110 > .
 110 d a
Où ε 100 désigne l’énergie d’activation du processus de relaxation 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
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.
Chapitre III :
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.
Par ailleurs, nous avons obtenu une dynamique de relaxation différente

pour les deux orientations, ce résultat est très intéressant et peut donner lieu à
des nouvelles investigations sur le rôle de la forme et la structure initiale des
marches dans la nano-structuration et l’auto-organisation des films minces. En
effet, notre estimation numérique du temps de relaxation montre que le
détachement des atomes le long des marches est le processus atomistique
gouvernant la relaxation des marches droites, ce mécanisme est activé par une
barrière énergétique qui s’écrit comme : ε 100 = 1.Ed + 3.Ea . Ce qui signifie que la
dynamique des marches <100> est déterminée par une loi où l’extraction d’un
atome d’une marche droite fait rompre 3 liaisons. En outre, ce dernier correspond
au processus de diffusion le plus lent comparé aux autres, puisqu’il permet la
création de quatre nouveaux crans et que sa probabilité de réalisation est plus
faible que le processus prétendu avec une énergie (Ed + 2Ea ) ou bien une énergie
(Ed + 1Ea ) . En effet, le premier processus consiste à rompre deux liaisons (atome
quittant un cran), en créant une paire de crans, alors que le deuxième consiste à
rompre une liaison simple (atome au bord de marche) sans créer de nouveaux
Chapitre III :
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.
II.2.3 Effet de l'anisotropie au bord des marches sur la TWD

Dans cette partie, nous allons étudier l'effet de la barrière Ehrlich-
Shwoebel (EES) sur la variance de la TWD. En effet, ce mécanisme, offre une
manière bien connue de briser la symétrie d'attachement des atomes au bord des
marches, par conséquent, la présence d'une anisotropie au bord des marches peut
affecter la dynamique des marches. En fait, cette barrière EES est souvent
évoquée par les théoriciens et les expérimentateurs pour expliquer l'appariation
des instabilités durant l'évolution de la morphologie de la surface lors de la
croissance épitaxiale [3, 22, 25-27].
Dans nos simulations, l'anisotropie du bord des marches est contrôlée via
l'énergie EES qui varie entre 0.1 eV et 0.5 eV. En effet, nous avons choisi cette
gamme de variation en se référant à une étude antérieure de la dynamique des
marches hors équilibre, (lors de la croissance épitaxiale) [3].
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).
Nous pouvons remarquer une nette croissance du temps de relaxation τ ,

accompagnée par une décroissance de la variance de saturation σ sat de la TWD
lorsque l’anisotropie au bord des marches croit (cf. figures III.8.a; III.8.b). Ce qui
signifie que la barrière EES ralenti la dynamique des marches, mais, en même
temps, elle fait croitre l’intensité des interactions entre les marches (c.à.d. une
augmentation de ρ (cf. Tableau III.1)). D'ailleurs, nos résultats de simulation
pour l’évolution de la variance de la TWD en fonction du temps durant la
Chapitre III :
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
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.
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
Tableau III.1 : Paramètre d’ajustement de la distribution de Wigner ρ et l’intensité

~
d’interaction adimensionnée A vs. la barrière EES pour les deux orientations des marches,
~ ρ  ρ  [28].
avec A =  − 1
22 
Pour une anisotropie correspondant à l’énergie EES <≈ 0.1eV, les

interactions entre marches <110> sont attractives. Cependant, pour les marches
<100>, ces interactions sont toujours répulsives quelle que soit l’anisotropie des
marches (c.à.d. la barrière EES). L'origine des interactions attractives entre les
marches en zigzag est difficile à interpréter. Néanmoins, ce résultat est très
important et peut donner lieu à d'autres investigations théoriques, même
expérimentales pour aboutir à des explications cohérentes concernant la
Chapitre III :
dépendance entre l'orientation initiale des marches et la nature et/ou l'intensité

d'interaction entre elles.
Nos résultats de simulation montrent que l'asymétrie d'incorporation des
atomes au bord des marches affecte la cinétique de relaxation des marches. En
effet, lorsque EES croit, les fluctuations deviennent relativement faibles, ce qui
explique la difficulté rencontrée par les marches pour se relaxer. D'autre part, la
TWD devient plus étroite lorsque l'anisotropie augmente, par conséquent les
interactions inter-marche s'intensifient ( ρ augmente). Nos résultats sont en bon
accord avec ceux de Hamouda et al. [3]. Ces auteurs ont réalisé une étude de la
dynamique des marches hors équilibre (F ≠ 0). Leurs résultats montrent que
l'augmentation du flux de dépôt ou l'anisotropie au bord des marches engendrent
une intensification des interactions marche-marche.
En conclusion, à l’équilibre, les fluctuations des marches atomiques sont
contrôlées, particulièrement, par l’énergie libre des marches qui est liée à la
rigidité βɶ (θ , T) . Cette dernière décrit la résistance d’une marche à se fluctuer et
correspond à une mesure directe de la facilité avec la quelle une marche peut se
plier. La rigidité est reliée à l’énergie nécessaire pour générer un cran le long
d'une marche [29-31]. Aussi, dans une étude récente hors équilibre (lors de la
croissance épitaxiale), nous avons montré que la mobilité des adatomes est
étroitement liée à la densité des crans, cette étude sera détaillée dans le chapitre
suivant [27].
La rigidité des marches dépend de l’orientation des marches [13-14], ainsi,
nous nous attendons à ce que la cinétique de relaxation des marches soit aussi
contrôlée, ou du moins affectée, par βɶ (θ , T) . Pour vérifier cette hypothèse, nous
allons mesurer la rigidité pour les deux orientations de marches.
II.3. Rigidité des marches

II.3.1 Modèle théorique
La rigidité des marches βɶ (θ , T) , est un paramètre intuitif, décrivant la

limite pour qu'une marche de surface se plie facilement. Comme son nom
l'indique, plus une marche est rigide, moins elle fluctue. Cette quantité, dépend à
la fois de l'angle d'inclinaison local θ et de la température T. Une intuition pour
ces dépendances est facilement obtenue en mettant l'accent sur l'origine
microscopique des fluctuations des marches. A l'équilibre, ces fluctuations sont
dictées par le réarrangement des atomes d'une surface vicinale suite à une
excitation thermique et par le mouvement des adatomes à proximité et le long
des marches de la surface.
Chapitre III :
Comme nous l’avons déjà mentionné dans le premier chapitre, la rigidité

peut être déterminée expérimentalement ou théoriquement à partir des
configurations des surfaces enregistrées à l'équilibre stationnaire ( t → ∞ ) via une
mesure de la fonction de corrélation spatiale des amplitudes des fluctuations des
marches Gx ( y ) , qui s'écrit [28] :
k BT
Gx ( y ) =  x ( y ) − x ( 0 ) 
2
= a/ / y , (III-4)
βɶ a//
où x ( y ) est la position d'une marche fluctuante dans la direction perpendiculaire

aux marches. Cependant, Ly devrait
être supérieur à une longueur
caractéristique appelé, "longueur de collision" ycoll : c’est la longueur parallèle
aux marches, pour qu'une marche fluctuante peut errer sur une distance w 2
[28].
Pour les marches droites, nous nous référons à une estimation basée sur le
modèle "TSK" et ce, pour déterminer la longueur de collision. Ainsi, pour
coll = ( < w >
l'orientation <100>, y100 2
2) Sinh 2 (ε k / 2 K B T), où ε k = Ea 2, est l'énergie de
(T=580K, < w >= 8a,
100
création d'un cran [6]. Dans notre modèle, y = 250a,
coll
Ea = 0.35eV ). Néanmoins, pour les marches <110>, y110

coll = 36 2a = 36az [28].
Notons que, pour une courte distance y , le comportement de la fonction de

corrélation dévient linéaire avec y , [28] :
b2 (T )
Gx ( y ) = y, (III-5)
a/ /
où b 2 (T) est la diffusivité. Le comportement de l'équation (Eq. III-5) est vérifié

dans nos simulations (cf. figure III.10). La rigidité des marches est liée à la
diffusivité par :
~ 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 :
∞ 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
a⊥ , est la longueur unitaire perpendiculaire à la marche. Pour les marches

droites, dans l'approximation TSK, E(n) = n ε ( ε = Ea 2, et n=1,…,∞), l'expression
(Eq. III-7) devient [21, 28] :
ε
2 exp( )
k BT 1  ε 
bɶ100
2
(T ) = = sinh −2 
2 . (III-8)
 ε  2  2k BT 
 exp( ) − 1
 k BT 
Pour les marches en zigzag <110>, le modèle TSK précédent est

inapproprié du fait que pour chaque excitation élémentaire, la marche est
déplacée par une seule unité a⊥ . Ainsi, la densité des crans de hauteur double est
presque nulle, ce qui est vérifié par nos simulations. Par conséquent, l'expression
(Eq. III-8) s'écrit pour n = 1 [21] :
2
bɶ110
2
(T ) = ε
, (III-9)
exp( )+2
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 )
En faisant quelques manipulations mathématiques, nous pouvons déduire la

longueur de collision pour les marches <110>. La diffusivité est donnée par
2
bzig (T ) = a⊥2 et ce, sachant que la valeur 1 correspond à un cran de hauteur nulle!.
Ce qui est, donc, à éliminer du dénominateur de l'équation (Eq. III-7).
Notre modèle est en bon accord avec d’autres prédictions théoriques de la
littérature [14, 28]. Par conséquent, le rapport de diffusivité entre les deux
orientations des marches est donné par [21] :
Chapitre III :
−ε
1 + 2 exp( )
b100 ( T )
ɶ 2
k BT
= , (III-11)
bɶ110
2
(T )  −ε 
2
 1 − exp( )
 k BT 
En outre, l'expression (Eq. III-11) est approximativement égale à 1 pour

T < 400K et atteint 1.14 à T = 600K (entre 1.08 et 1.12 pour 520 ≤ T ≤ 580)
(cf. figure III.9). Donc, en utilisant l'équation (Eq. III-6), le rapport de rigidité est
approximativement donné par [21] :
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).
Par ailleurs, à partir des configurations des surfaces enregistrées à

l'équilibre, nous avons utilisé la fonction de corrélation spatiale des amplitudes
des fluctuations des marches Gx ( y ) , pour déterminer la rigidité des marches.
Notre objectif principal est de vérifier le modèle théorique que nous avons
développé et plus particulièrement l'expression (Eq. III-12). Nos résultats de
simulations numériques seront présentés en détail dans le paragraphe suivant.
Chapitre III :
II.3.2 Résultats des simulations de la rigidité des marches

Dans cette partie, nous ne tenons pas compte de l'asymètrie d'attachement
au bord des marches (EES = 0eV) et tous les autres paramètres de simulation sont
les mêmes que ceux utilisés pour le calcul de la variance de la TWD. Notre
objectif est de comparer le transport de masse entre les marches <100> et <110>,
afin de confirmer la différence de la cinétique de relaxation pour ces deux
orientations de marches.
A partir des configurations des surfaces prises à l'état stationnaire, nous
pouvons calculer la fonction d'auto-corrélation Gx ( y ) . Les données utilisées pour
déterminer le déplacement d’une marche x ( y ) sont tirées des mêmes profils des
surfaces, utilisés pour extraire la TWD. Dans la figure III.10, nous avons
présenté la fonction de corrélation pour les deux orientations des marches. Nos
résultats montrent que Gx ( y) , est linéaire à courte distance y, ce qui est en bon
accord avec la littérature [28]. Par ailleurs, nous pouvons déduire qu’à
température fixe, la fonction de corrélation Gx ( y ) , pour les marches <110> montre
plus d'oscillations que celles <100> (cf. figure III.10). Ce qui signifie que les
marches en zigzag présentent plus de fluctuations, en cohérence avec un TWD
plus large, (cf. figures III.8.a; III.8.b). Évidemment, l'inverse de la rigidité
augmente avec l'augmentation de la température, en accord qualitatif avec les
prédictions théoriques [13, 32].
(a) (b)
50 8
Autocorrelation function Gx(y)
Steps T(K)
Autocorrelation function Gx(y)
<110> 580 Steps T(K)

<001> 580 <110> 580
40
<110> 520 6 <001> 580
<001> 520 <110> 520
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.
La détermination de la rigidité revient, donc, à ajuster linéairement les

~
données de simulation de la fonction de corrélation Gx ( y ) (la pente est k B T / β )
(cf. figure III.11). Nos résultats montrent que les marches <110> sont moins
rigides que celles <100>, en bon accord avec la littérature [13-15].
Chapitre III :
15 15
<100> steps Gx (y) <110> steps

Gx (y)
T(K) T(K)
580 580
10 10
560 560
540 540
520 520
5 5
0 0
0 5 10 15
y 20 25 30 0 5 10 15
y 20 25 30
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).
Dans la zone de température étudiée, 520 K ≤ T ≤ 580 K , nous avons trouvé

une rigidité entre 200meV/ A° et 122meV/ A° pour les marches <100> et entre
o o
136meV/ A et 85meV/ A pour les marches <110> (cf. Tableau III.2).
~ ~ ~ ~
T (K) (kBT / a) β<001> (kBT / a) β<110> β<110> β<001>
520 0.224 0.328 0.683

540 0.276 0.397 0.695
560 0.326 0.466 0.699
580 0.409 0.589 0.694
Tableau III.2 : Inverse de la rigidité (±0.005) en fonction de la température, pour les

deux orientations des marches. Le rapport de rigidité est pratiquement indépendant de la
température et très proche de 1/ 2 , comme prédit par la théorie (Eq. III-12).
En résumé, L’étude de la TWD, permet d’accéder à des informations

microscopiques importantes concernant les interactions entre les marches, telles
que :
coll = β w / 4k BT = 250a pour les marches <100> ,

La distance de collision : y100 ɶ 2
alors que pour les marches <110>, ycoll = 36 2a .

110
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 :
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 :
III. Effet des interactions NNN sur la TWD - Cas du Cu(100)

Dans cette partie, nous présentons une étude sur l'effet des interactions
NNN sur la dynamique des marches. Elle porte, principalement, sur l’évolution
cinétique des marches vis-à-vis de ces interactions et, en particulier, sur la forme
de la TWD et le comportement de la rigidité. D'ailleurs, l'objectif essentiel est de
vérifier le modèle théorique que nous avons proposé dans le chapitre précédent
(paragraphe III du chapitre II), en ajustant les distributions des largeurs des
terrasses trouvées numériquement par l'expression (Eq. II-28).
Notons que, les prédictions théoriques de Mehl et al. [39] montrent que
l'intensité des interactions NNN (d’énergie E2) vis à vis des interactions NN
(d’énergie E1) dépend de la nature du matériau. En effet, en effectuant des calculs
quantiques des énergies NN et NNN pour différents matériaux (Cu, Ag, Si, Na,
GaAs, Ni,…), Mehl, suggère que les interactions NNN ont un effet plus
significatif pour le cuivre que pour d’autres matériaux. L'étude comparative de
Mehl et al. révèle que le cuivre peut être considéré comme un bon candidat
(substrat) pour nos simulations numérique.
III.1. Variance de la TWD et interaction entre les marches

Dans la littérature, la seule étude faisant inclure les interactions avec les
atomes seconds proches voisins (d’énergie E2), a été proposée par Stasevich et al.
[14]. Ces auteurs ont développé un modèle analytique pour étudier la dépendance
entre la rigidité et les interactions NNN attractives (E2 > 0) sur un substrat de
Cu (100).
Comme nous l’avons déjà mentionné dans le premier chapitre, les valeurs
des barrières énergétiques d'une surface de Cu (100) sont choisies à partir de la
littérature. Dans cette étude, la surface de simulation est choisie tel que :
Ly = 5000a et Lx = 100a , la longueur des terrasses ℓ = 10a ce qui correspond à 10
marches. Les paramètres énergétiques du système sont fixés comme suit : Ed =
0.4eV [40-41], E1 = 0.26eV [29, 42], T=294K [13-14], alors que l’énergie de liaison
d'un atome avec ses premiers seconds voisins E2 est utilisée comme étant un
paramètre variable, exprimé en fonction de E1 [14].
Rappelons que, ces interactions NNN, peuvent être de nature attractive
(E2 > 0) ou de nature répulsive (E2 < 0). Dans ce qui suit, nous avons étudié l'effet
des interactions NNN et montré que ces dernières affectent la cinétique de
relaxation des marches. Soulignons que, nous avons trouvé un comportement
similaire pour les deux orientations des marches. Pour cette raison, nous allons
concentrer nos efforts sur les résultats concernant les marches <100>.
Chapitre III :
Nous avons vu précédemment que nos résultats de simulation de la TWD

dans le cas des interactions NN seulement sont bien ajustés par la distribution de
Wigner (Eq. III-5). Cependant, lorsque les interactions NNN sont inclues dans le
code de simulation, la distribution de Wigner devient incapable d'ajuster la TWD,
surtout lorsque ces interactions deviennent plus intenses (E2, augmente) (cf.
figure III.12). Ce résultat met en évidence la limite de l'approche théorique
développée par Pimpnelli et al [14]. D'autre part, si on utilise notre modèle
théorique pour la quantification du mouvement des marches (voir chapitre II),
plus particulièrement l'expression (Eq. II-28) : Pρ , n ( s ) = α Pρ ,n =3 ( s ) + (1 − α ) Pρ ,n = 2 ( s ) ,
alors on obtient un très bon ajustement de la TWD (cf. figure III.12). Par
conséquent, nos simulations kMC confirment la validité des approximations
utilisées dans notre approche théorique. Notamment l'ajout d'un terme
coulombien "dipolaire" dans l'équation de Langevin permettrait de bien décrire
les interactions NNN [22].
0.20 0.10
E2> 0 E2< 0
P(l) P(l) 0
E1/2
E1/6 0.08 E1/6
0.15
0 E1/2
Fit (Eq.II-8). Fit (Eq.II-8).
Fit (Eq.II-28). 0.06 Fit (Eq.II-28).
0.10
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
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.
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 :
attractives ralentissent la relaxation de la surface vers l'état d'équilibre

stationnaire (affaiblit la dynamique des marches).
En effet, lorsque l’énergie E2 augmente, les atomes deviennent plus liés
entre eux. Par conséquent, le détachement d'un atome au bord de marche devient
plus difficile et nécessite plus d'énergie thermique pour franchir la barrière de
liaison de cet atome avec ses voisins. Ainsi, les marches fluctuent faiblement
autour de leur position initiale. D'autre part, les interactions entropiques
répulsives entre les marches, observées dans le cas des interactions NN
seulement, s'intensifient avec l'intensité des interactions NNN et conduisent à
une distribution de plus en plus étroite et symétrique (cf. figure III.13.a). Ces
interactions répulsives « effectives » sont attribuées au potentiel d'interaction
dipolaire entre les marches [22].
Notons que, pour les deux types d'interactions, NNN attractives ou NNN
répulsives, nous avons obtenu un bon ajustement des données des simulations de
la variance par l'expression théorique (Eq. III-1).
0 100000 200000 300000 400000 500000 t(s) 600000

0.45 0.20
σ/L E2> 0
0.40 E2> 0 P(l) E1/2
0
0.35 E1/20 E1/4
0.15
E1/14 E1/6
0.30
E2> 0 E1/8
0.25 E1/10
E1/10
0.10
0.20 E1/6 E1/14
E1/4 E1/20
0.15
E1/2 0
0.10 0.05 Fit
0.05
(τ↑)
0.00 0.00
0 500000 1000000 1500000 2000000 2500000
t(s) 3000000 0 5 10
l
15 20 25
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.
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 :
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
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) .
La figure III.14 montre l’évolution de la variance de saturation σ sat

(obtenue par l'ajustement des données numériques de la variance avec l'équation
(Eq. III-12)) et le paramètre ρ (tiré de l'ajustement de la TWD de simulation
avec notre modèle théorique de la TWD (Eq. III-28)), avec l'intensité d'interaction
NNN (E2). Dans le cas des interactions NNN attractives, la variance de
saturation diminue alors que ρ croit avec E2. Le comportement inverse est
obtenu pour des interactions NNN répulsives. Cette évolution suit une loi
exponentielle du type [22] :
  E2 
 ρ = ρ 0 exp  
  4 K BT 
 , (III-13)
σ = σ exp  E 2 
 0  
  4 K BT 
où, ρ 0 et σ 0 sont respectivement le paramètre ρ et la variance de saturation

obtenus dans le cas des interactions NN seulement (pour E2 = 0eV), K B est la
constante de Boltzmann.
Notons que, le coefficient 4 qui existe dans l'équation (Eq. III-13) peut être
attribué aux 4 directions de diffusion.
Chapitre III :
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
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).
Par la suite, nous allons voir la dépendance entre le paramètre de

pondération α et l'intensité d'interactions NNN (E2). Il est bien clair que cette
dépendance est linéaire pour les deux types d'interactions (attractives et
répulsives) (cf. figure III.15).
1.0
α NNN répulsives (E2 < 0).

NNN attractives (E2 > 0).
Fit Linéaire.
0.8
0.165±0.004 0.167±0.004
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 .
Nos simulations montrent que la dépendance entre le paramètre de

pondération α et E2 peut s'écrire comme suit :
Chapitre III :
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) .
III.2. Effet sur la rigidité des marches

L'effet des interactions NNN sur la rigidité des marches a été étudié par
Stasevich et al. [14]. Ces auteurs ont développé un modèle théorique dans le but
de déterminer le comportement de la rigidité vis-à-vis des interactions NNN.
Cette dépendance est donnée par cette expression [14] :
K BT m (1 − m) + 4m exp(E 2 / K BT)
2
= , (III-15)
βɶ a (1 + m2 )3/2
avec m = tan(θ ) , où θ est l'angle de désorientation et a est le paramètre de maille.

Cette expression est valable pour n'importe quelle orientation des marches. Pour
les marches <110>, θ = 45° et l'équation (Eq. III-15) s'écrit ainsi :
K BT exp(E 2 / 2 K BT)
= (III-16)
βɶ a 2
Dans cette partie, nous allons voir que nos résultats des simulations kMC
sont en bon accord avec le modèle de Stasevich et al. L’évolution de la rigidité
βɶ (θ , T) en fonction de l'intensité des interactions NNN (E2) pour les marches
orientées suivant la direction <100> est donnée dans la figure III.16. On
remarque, pour NNN attractives, que la rigidité augmente lorsque E2 croit.
Cependant le comportement inverse est obtenu dans le cas des interactions NNN
Chapitre III :
répulsives, ce qui est en accord avec nos résultats concernant la variance de la

TWD.
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.
Notons que, le même comportement est obtenu pour l'orientation des

marches en zigzag <110>, alors que la rigidité des marches <110> est plus
affectée par ces interactions NNN que les marches droites <100> (cf. figures
III.16, III.17). Ce résultat montre que la rigidité des marches est en lien étroit
avec la densité des crans au bord des marches.
o
Ainsi, à T = 294K, nous avons trouvé une rigidité de 233.7meV/ A (pour
o o
E2= 0eV), 273.7meV/ A (pour E2 = E1/6, NNN attractives) et 147.8meV/ A (pour
E2 = E1/6, NNN répulsives) pour les marches droites <100>, de même une
o o
rigidité de 35.82meV/ A (pour E2 = 0eV), 84.2meV/ A (pour E2 = E1/6, NNN
o
attractives) et 15.22meV/ A (pour E2 = E1/6 , NNN répulsives) pour les marches
en zigzag <110>.
Ces valeurs de rigidité des marches sont en bon accord avec celles de
Stasevich et al. [13-14] et d'autres résultats de la littérature [33].
Chapitre III :
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
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.
En outre, nous avons obtenu un ajustement satisfaisant de nos données

numériques avec l'équation (Eq. III-15) où m est le paramètre d'ajustement. Pour
les marches orientées suivant la direction <100>, nous avons trouvé que m ≈ 0.1,
a 1
ce qui correspond à : tan(θ ) = = = 0.1 , alors que pour les marches <110>, m ≈ 1 ,
ℓ 10
correspondant à θ = 45° . Notons que nous avons trouvé un bon ajustement et
avec le même paramètre d'ajustement pour d'autres températures. Ainsi, notre
modèle numérique confirme bien l'approche théorique de Stasevich et al. [14].
Finalement, nous allons voir l'effet de l'angle de désorientations θ sur la
rigidité des marches. Pour cela nous avons varié la largeur initiale des marches
entre 4a ≤ ℓ ≤ 20a , c.à.d. 0.25 ≤ tan(θ ) ≤ 0.05 . La figure III.18 illustre nos résultats
des simulations dans le cas des interactions NNN attractives pour les marches
<100>. En effet, d'une part, il est bien clair que la rigidité des marches diminue
lorsque θ croit et ce comportement est en bon accord avec d'autres tentatives
théoriques et expérimentales [13-14, 20]. D'autre part, concernant l'effet des
interactions NNN, nous avons trouvé un accord qualitatif et quantitatif avec celui
trouvé par Stasevich et al. [14].
Chapitre III :
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)
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].
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 :
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.
1994.
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.
Bibliographie (Chapitre III) 87
[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.
[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
Chapitre IV : Effet des interactions NNN et de la

mobilité des adatomes sur l'instabilité des méandres
des marches : cas du cuivre Cu(100)
Les surfaces vicinales sont des supports très intéressants pour la

croissance organisée des nano-objets qui interviennent directement dans les
propriétés des matériaux ainsi réalisés. La morphologie idéale d’une telle surface
est celle d’un train régulier de marches droites et équidistantes. Toutefois, il
arrive souvent que de nombreux phénomènes modifient profondément cette
morphologie. Par exemple, lors de la croissance épitaxiale, la surface vicinale
peut être altérée par la naissance d’instabilités cinétiques, inhérentes à ce
processus, telles que la formation d’ilots, la mise en paquet et le méandrage des
marches. Leur maîtrise est donc très importante et l’enjeu peut être soit de les
éviter dans le but de conserver des surfaces planes, soit au contraire de les
exploiter, puisque l’emploi d’une instabilité cinétique de croissance constitue un
moyen élégant de structuration, par voie ascendante, des surfaces à des échelles
de l’ordre de la dizaine de nanomètres. En effet, la fabrication des dispositifs à
boîtes quantiques à l’aide de structures auto-organisées nécessite une bonne
connaissance des processus qui gouvernent ces instabilités et une maîtrise des
mécanismes opérant en surface. Ainsi, il est important de connaitre leurs
origines physiques afin de pouvoir les contrôler et/ou éviter leur développement.
L’étude théorique consiste alors à proposer un ensemble de mécanismes
microscopiques capables de reproduire les mêmes structures. Il faut, pour cela,
comprendre leurs origines et être capable d’analyser les conséquences des
mécanismes donnés sur les morphologies observées. D'un point de vue
fondamental, l'étude de ces instabilités est très intéressante car leur origine n’est
pas toujours comprise malgré les nombreuses études et modèles qui ont été
proposés [1-10].
Dans ce chapitre, nous nous sommes plutôt intéressés par des simulations
Monte Carlo cinétique (kMC) de l'instabilité de méandrage des marches qui se
développent pendant la croissance des surfaces vicinales du cuivre Cu(100) et
soumises à une anisotropie de diffusion au bord des marches, dite barrière
d'Ehrlich-Schwoebel (EES). Après un rappel des résultats théoriques et
expérimentaux de la littérature sur cette instabilité des méandres sur le cuivre
[6-8, 11], nous nous focalisons sur l'effet des interactions avec les atomes seconds
proches voisins (NNN). De plus et sur le comportement de cette instabilité, nous
Chapitre IV :
cuivre Cu(100) 89
allons, en particulier, montrer la dépendance entre la rigidité des marches

βɶ (θ , T) et la longueur d'onde de l'instabilité de méandrage λ ( F , T ) . Une
comparaison avec les résultats expérimentaux [12-13] sur le cuivre est faite.
Enfin, nous proposons un développement analytique afin de déterminer
l'expression de la mobilité σ des adatomes pendant la croissance (hors équilibre).
En effet, en plus de sa dépendance avec la température et des barrières
énergétiques, nous avons montré récemment qu’elle dépend également du flux de
dépôt et de la densité des crans au bord des marches [14].
I. Origine physique de l’instabilité du méandrage

La diffusion de surface est l'un des processus élémentaires les plus
importants, jouant un rôle crucial dans de nombreux phénomènes liés à la
surface tel que la croissance, les réactions chimiques, la corrosion et la fusion. Les
mécanismes de la diffusion de surface et de ses propriétés, dans une variété de
systèmes, ont donc été largement étudiés au cours des dernières décennies
[14-16]. La diffusion atomique sur les surfaces idéales est maintenant bien
comprise. Cependant, comme la plupart des surfaces réelles sont idéales
uniquement sur des échelles de longueur relativement courtes, il est impératif de
comprendre le comportement de diffusion de surface dans les surfaces à marches
et d'autres caractéristiques telles que les impuretés et les dislocations. Pour cette
raison, il y a eu d'énormes efforts pour étudier, par exemple, la diffusion sur les
surfaces vicinales expérimentalement [16-17] et théoriquement [14-15, 18].
L'influence des marches sur la diffusion de surface est particulièrement
importante dans les processus de propagation, qui se produisent dans des
conditions de non-équilibre (comme la croissance).
En particulier, dans le mode de croissance par écoulement des marches, les
adatomes peuvent être incorporés à des marches ascendantes ou descendantes.
En réalité, la cinétique d’attachement n’est pas identique, que l’atome s’attache à
une marche depuis la terrasse supérieure ou depuis la terrasse inférieure. Le
potentiel associé à la diffusion des adatomes sur la surface vicinale est
grandement affecté par la présence des marches [19]. La figure IV.1 montre le
potentiel sentit par un adatome qui diffuse à travers une marche. Un adatome
provenant de la terrasse supérieure doit, pour descendre la marche, franchir une
barrière qui correspond au passage par une position défavorable au bord de
marche où il n’a que peu de proches voisins et donc moins de liaisons satisfaites.
Cela se traduit par l'effet "Ehrlich-Schwoebel" (EES) [19].
Chapitre IV :
cuivre Cu(100) 90
∆ E ES
Ed
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 . Ed est la barrière de diffusion sur la terrasse.
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 :
cuivre Cu(100) 91
les expérimentateurs. Le système modèle considéré dans nos simulations kMC

est le cuivre Cu(100). Ce choix se base sur la convergence de plusieurs
arguments, en particulier la surface du cuivre est de symétrie assez simple
(diffusion isotrope) et elle ne présente pas de reconstruction significative et de
même que les données physiques préexistant pour ce matériau sont souvent
conséquents.
II. Aperçu général sur l'instabilité de méandrage observée sur

Cu (1 1 17) et Cu (0 2 24)
Souvent, lorsqu’une surface vicinale est hors de l’équilibre
thermodynamique (lors de la croissance par exemple), elle subit des processus
issus de la compétition entre forces antagonistes à la frontière (marches pour une
surface vicinale) conduisant à la destruction de la conformation régulière du train
de marches. Le substrat s’auto-structure spontanément en développant de façon
naturelle des instabilités cinétiques tel que, le méandrage des marches. Les
exemples expérimentaux de cette instabilité sont nombreux et divers du point de
vue des matériaux considérés [1, 9, 11, 22-25].
Nous nous sommes intéressés à l'instabilité de méandrage et plus
précisément à un cas expérimental précis, celui de l'homoépitaxie par EJM sur
un substrat de Cu(100) vicinal [9, 11]. Les investigations expérimentales de ces
auteurs ont porté sur des substrats de Cu(1 1 17) et/ou Cu(0 2 24) vicinaux
obtenus par une désorientation de θ = 4.8° de la surface parfaite de Cu (100). Ces
surfaces se distinguent à travers des orientations de leurs fronts de marches.
Pour la surface Cu(1 1 17), les marches monoatomiques courent suivant la
direction compacte <110> . Pour la surface Cu(0 2 24), elles sont alignées suivant
la direction non compacte <100> , à 45° des précédentes (cf. figure IV.3).
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 :
cuivre Cu(100) 92
Les expériences de croissance EJM réalisées par Maroutian et Néel. [11]

montrent le développement d’une instabilité de méandrage (cf. figure IV.4). Elles
sont réalisées à relativement basse température, où la désorption d’adatomes est
négligeable. C’est l’un des premiers systèmes sur lequel l’instabilité de
méandrage a pu être observée directement par la microscopie à effet tunnel
(STM). Ces auteurs ont attribué l'apparition de cette instabilité de méandres à
l'asymétrie d'incorporation des adatomes aux fronts des marches, c'est la barrière
EES (cf. figure IV.1). La détermination de la hauteur de cette barrière demeure un
sujet ouvert, les données expérimentales obtenues pour le système Cu sur
Cu(100) conduisent à une barrière effective de l’ordre de 0.07eV [26].
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].
Ce qui est important à noter, Maroutian et al ont montré, d'une part,

l’influence de la structure des marches sur l’occurrence d’une instabilité de
croissance. En effet, pour les marches compactes <110> de Cu(1 1 17), les fronts
de marche adoptent une configuration crénelée et sont composés de segments
compacts [110] et [110] (cf. figure IV.4). Par ailleurs, Pour les marches non
compactes <100> de Cu(0 2 24), les méandres sont triangulaires, d'arête en dents
de scie et s'alignent suivant les directions compactes perpendiculaires [110] et
[110] . A haut flux, la morphologie de la surface du cuivre montre l'apparition des
Chapitre IV :
cuivre Cu(100) 93
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 :
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.
III. Effet des interactions NNN sur la longueur d'onde de

l'instabilité des méandres
Récemment [12, 28], nous avons souligné une différence profonde entre le
mouvement des marches à l’équilibre (F=0) et hors équilibre (F≠0), non
clairement mentionnée dans la littérature, voire parfois susciter une confusion.
En effet, à l’équilibre, les marches fluctuent autour de leurs positions d’équilibre
stationnaires grâce aux processus de détachement/attachement et à la diffusion
des atomes au bord des marches. Par conséquent, la création/annihilation des
crans (kinks) joue un rôle significatif dans les fluctuations des marches [28].
Ainsi, les propriétés microscopiques décrivant la dynamique des marches
atomiques sont essentiellement, la rigidité des marches et leur mobilité. Ces
quantités sont soigneusement étudiées à l'équilibre dans divers modèles
théoriques [7, 21-23, 29-32]. Tandis que hors équilibre, lors de la croissance
épitaxiale, les marches sont en mouvement grâce, principalement, à
l’attachement des adatomes provenant du flux de dépôt. Le processus de création
des crans est alors absent ou non significatif [12]. Dans ce cas le processus
d'attachement joue un rôle crucial dans le développement des méandres des
marches et donc sur la morphologie de la surface. Par la suite, on se réfère à des
quantités effectives : la rigidité effective βɶ des marches et la mobilité effective
eff
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 :
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
sont accessibles par les simulations kMC.
III.1. Modèle et paramètres des simulations kMC

Pour cette étude, nous avons amélioré le code utilisé lors de l’équilibre
(chapitre III) en ajoutant l'événement de dépôt. Ainsi, notre modèle de simulation
Monte Carlo cinétique est régi par deux processus fondamentaux, le dépôt et la
diffusion traités dans les mêmes conditions expérimentales [11]. Dans le cas du
Cu(0 2 24), les paramètres utilisés par Maroutian et Néel [11] sont les suivants :
la larguer moyenne des terrasses est ℓ = 2.1 7 nm avec une distance
interatomique a = 0.255nm , correspondant à une longueur des terrasses
normalisée par a et égale à ɶℓ ≈ 8.5 . La température de croissance est T = 294 K
exp
et le flux de dépôt est : 8 × 10 −4 ML / s ≤ F ≤ 10−2 ML / s .

Nous avons utilisé des paramètres de simulation le plus proche possible de
l'expérience. Ainsi, le modèle utilisé décrit la surface par une matrice de
dimension ( Ly × Lx ) = (1000a ×100a ) sites atomiques, la longueur des terrasses est
ℓ = 10a , l'énergie de diffusion Ed = 0.4eV [8, 27, 33], l'énergie de liaison entre
deux atomes premiers proches voisins (NN) est E1 = ENN = 0.26eV [10, 34] et
Chapitre IV :
cuivre Cu(100) 96
l'énergie associée à la barrière "Ehrlich-Schwoebel" est égale à EES = 0.07eV [26].

Comme dans l'étude d'équilibre, l'énergie de liaison des seconds voisins E2 est
utilisée comme un paramètre variable et exprimée en fonction de E1 [35].
III.2. Influence du flux de croissance

Dans cette partie nous avons étudié le comportement morphologique des
surfaces de Cu(0 2 24) en fonction des interactions NNN. Notre étude s'est portée
sur l'évolution de la longueur d’onde de l’instabilité de méandrage. D'un côté, il
est évident que les interactions NNN attractives altèrent la longueur d'onde λ
(cf. figure IV.5). Cette dernière devient moins dépendante du flux de dépôt
lorsque l’intensité des interactions NNN (d’énergie E2) croit. Cependant, pour des
interactions NNN répulsives la longueur d'onde de méandrage augmente avec E2.
Celle-ci ressent plus l'effet du flux lorsque l'intensité de ces interactions devient
plus forte. D'un autre côté, la loi de puissance, prédite par la théorie de
−q
Bales-Zangwill (BZ) ( λ ∝ F avec q=1/2) est toujours vérifiée pour les deux types
d'interactions NNN et quelle que soit E2, mais avec un exposant q et un
pré-facteur CkMC qui dépendent, en réalité, de E2 (cf. Tableau IV.1).
Notons qu'à 20 ML de dépôt et à T=280K, nous avons obtenu la même

tendance de la constante CkMC et de l'exposant q de la longueur d'onde effective
de méandrage, mais avec des valeurs légèrement plus petites que celles calculées
à 30 ML et à T=294K [12].
E2/E1 CkMC q E2/E1 CkMC q
0 0.461 ± 0.001 0.485 ± 0.003 0 0.461 ± 0.001 0.485 ± 0.001
1/20 0.720 ± 0.003 0.353 ± 0.001 1/20 0.436 ± 0.005 0.528 ± 0.002
1/18 0.751 ± 0.004 0.341 ± 0.001 1/18 0.434 ± 0.01 0.530 ± 0.003
1/14 0.825 ± 0.001 0.309 ± 0.001 1/14 0.424 ± 0.01 0.544 ± 0.003
1/10 0.972 ± 0.001 0.258 ± 0.001 1/10 0.392 ± 0.003 0.572 ± 0.001
1/8 1.098 ± 0.001 0.221 ± 0.001 1/8 0.368 ± 0.004 0.597 ± 0.002
1/6 1.311 ± 0.002 0.17 ± 0.001 1/6 0.328 ± 0.004 0.637 ± 0.002
1/4 1.639 ± 0.003 0.1008 ± 0.001 1/4 0.271 ± 0.003 0.724 ± 0.001
1/2 2.325 ± 0.006 0.021 ± 0.001 1/2 0.064 ± 0.01 0.98 ± 0.02
Tableau IV.1 : Constante CkMC et exposant q de la longueur d'onde effective pour

différentes valeurs de E2 dans le cas des interactions NNN attractives, déterminées par un
ajustement des données de la figure IV.5 (après un dépôt de 30 ML et T=294K) par une
fonction du type : λeff = C kMC × F − q . (Gauche) Pour NNN attractives, (Droite) Pour NNN
répulsives.
Chapitre IV :
cuivre Cu(100) 97
Dans le cas des interactions NN seulement (E2=0eV), la théorie de BZ est

bien vérifiée ( qkMC = 0.485 ≈ 1/ 2 ). Pour E2=E1/6 (NNN attractives), nous avons
obtenu un exposant qkMC = 0.17 ± 0.0003 en très bon accord avec les résultats
expérimentaux ( q = 0.17 ) [11]. La valeur de E2=E1/6 est en bon accord avec les
prédictions théoriques de Mehl et al. [36] qui montrent que l'intensité des
interactions NNN (d’énergie E2) vis-à-vis des interactions NN (d’énergie E1) dans
une surface de cuivre Cu(100) est de l'ordre de E2 ≈ E1/6.
Soulignons que, pour comparer la constante CkMC à la valeur expérimentale
Cexp = 1.55 (cf. figure IV.4), il faut tout d'abord redimensionner la largeur de
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 :
cuivre Cu(100) 98
Contrairement à la théorie de BZ et aux observations expérimentales, nous

avons obtenu un exposant q > 1 / 2 dans le cas des interactions NNN répulsives
(cf. Tableau IV.1). Pourtant, ce résultat semble fascinant et peut donner lieu à
une liste non exhaustive d’investigations. Notons qu'une étude est en cours au
sein de notre équipe, à l’échelle des sub-monocouches, faisant inclure les
interactions NNN. Il s’agit de vérifier que la densité moyenne des ilots N d sur
une surface plane dépend du flux de dépôt, avec une loi en puissance [37] :
N d ~ F χ , et faire une comparaison entre les exposants q et χ pour les deux
types d'interactions NNN [13].
E 2= -E1/2 E2= -E1/10 E2=0 E2=E1 /10 E2=E 1/2
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 :
cuivre Cu(100) 99
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 et que nous appelons : "roughening-limited growth".
Cette instabilité admet un comportement qualitatif similaire à celui de Bales-
Zangwill. La loi de puissance prédite par la théorie de Bales-Zangwill ( λ ∝ F −q
avec q=1/2) est phénoménologiquement bien vérifiée, mais avec un exposant q
qui décroit avec l’intensité des interactions NNN. D’autre part, 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 ). En effet, les interactions NNN répulsives entrainent une
diminution de la densité des crans aux bords des marches, donc une
augmentation de la rigidité et de la mobilité des adatomes (voir paragraphes
III.4. et IV.2.) [13]. De ce fait, 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.
III.3. Influence de la température du substrat

Pour cette partie, nous avons étudié l’influence de la température de dépôt
sur la morphologie de la surface. Les figures IV.7.a et IV.7.b rendent compte, de
la variation de la température T du substrat au cours du dépôt dans l'intervalle
de variation 250 K ≤ T ≤ 400K . Le flux est fixé F = 3 ×10−3 ML / s , le taux de
couverture déposé est 30 ML.
3.0 0.45
λ Simulation (E2> 0).
Ln ~  E2 > 0
 ℓ  2.5 0 Fit
0.40
E1/20
Energie d'activation Ea
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
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 BT ) . (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.
Chapitre IV :
cuivre Cu(100) 100
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
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 BT ) . (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.
Il est évident que la longueur d'onde du méandre augmente avec la

température quelle que soit E2, en accord qualitatif avec l'expérience [11]
(cf. figure IV.4). Par ailleurs, l'énergie d'activation thermique Ea diminue lorsque
E2 croit, elle varie de Ea = 0.426 ± 0.0046 pour E2 = 0eV à Ea = 0.164 ± 0.00552
pour E2 = E1/2 (pour NNN attractives). Nos simulations montrent que l'énergie
d'activation thermique du méandre peut s'écrire sous cette forme [13] :
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 :
cuivre Cu(100) 101
III.4. Effet des interactions NNN sur la rigidité effective des

marches (hors équilibre)
Afin d’étudier l’évolution cinétique de cette instabilité des méandres des
marches, nous nous intéressons à l'effet des interactions NNN sur la dynamique
des surfaces et, en particulier, sur la rigidité des marches et la mobilité des
adatomes.
2.0 Monocouche (ML)
Monocouche (ML)
Fonction d'autocorrelation
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
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.
Rappelons que la rigidité

marches peut être mesurée par des
l’intermédiaire de la fonction d’auto-corrélation Gx (y) (Eq. IV-5). Ainsi, l'une des
principales questions, qui mérite d’être d'abord élucidée est la suivante : A quel
temps peut-on mesurer la rigidité des marches par la fonction d'auto-corrélation
hors équilibre (F ≠ 0 ML/s) ? c.à.d. A quelle monocouche (ML) de dépôt la mesure
de la rigidité effective est valable ?
Pour tenter de répondre à cette question, nous allons voir le comportement
de la fonction d'auto-corrélation Gx (y) pour différentes monocouches de dépôt
(ML). La figure IV.8 illustre l'évolution de Gx (y) pour différentes monocouches
(ML) de dépôt à F = 5 × 10−4 ML / s , dans le cas des interactions NNN (attractives et
répulsives). Il est bien clair qu’à partir de 9ML, les données de simulation sont
presque confondues, ce qui reflète une marque de stabilité pour la surface. Par
conséquent, nous allons choisir 9ML comme instant convenable pour la mesure
de la rigidité effective des marches.
Chapitre IV :
cuivre Cu(100) 102
Rappelons que la fonction d'autocréation s'écrit comme [38] :

k BT
Gx ( y ) =  x ( y ) − x ( 0 ) 
2
= a y, (IV-5)
βɶ a / ///
La détermination de la rigidité revient, donc, à ajuster linéairement les

données de simulations de la fonction de corrélation Gx ( y) (à courte distance y)
~
avec une pente égale à k BT / β .
40
F(ML/s)
-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
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.
Dans la figure IV.9 nous avons illustré d'une part, la variation de la

fonction Gx ( y) en fonction du flux de dépôt pour E2=0eV et, d'autre part, pour
différentes valeurs de E2 à un flux de dépôt F = 5 × 10−4 ML / s et ce, dans le cas des
interactions NNN attractives et répulsives. Nos résultat kMC montrent que la
~
pente k BT / β croit avec le flux de dépôt (c.à.d. la rigidité des marches diminue
avec le flux). Dans le cas des interactions NNN attractives, il est bien clair que la
pente augmente avec E2 (c.à.d. la rigidité des marches diminue avec E2), le
comportement inverse est obtenu dans le cas des interactions NNN répulsives.
Chapitre IV :
cuivre Cu(100) 103
Avant d'étudier la rigidité effective βɶeff des marches en présence des

méandres des marches (EES ≠ 0), il est nécessaire d'examiner son comportement
en absence d'une anisotropie au bord des marches (EES = 0eV). La figure IV.10
montre la variation de la rigidité des marches en fonction de l'intensité des
interactions NNN (E2) pour différents flux de dépôt.
~ 10
βa F(ML/s) ~ 120 F(ML/s)
βa 5×10
-4
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 :
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.
Après avoir étudié la dépendance de la rigidité effective des marches vis-à-

vis des interactions NNN et du flux de dépôt en absence d’une barrière "Ehrlich-
Schwoebel" (EES=0eV), nous allons voir, par la suite, son comportement pour
(EES≠0). Les résultats de simulations sont illustrés dans la figure IV.11.
Chapitre IV :
cuivre Cu(100) 105
E2/E1 P (E2 > 0) P (E2 < 0)

0 0.961 ± 0.003 0.961 ± 0.003
1/20 0.691 ± 0.01 1.053 ± 0.003
1/18 0.664 ± 0.01 1.059 ± 0.009
1/14 0.616 ± 0.002 1.084 ± 0.004
1/10 0.528 ± 0.007 1.144 ± 0.002
1/8 0.449 ± 0.004 1.194 ± 0.001
1/6 0.34± 0.001 1.27 ± 0.004
1/4 0.21 ± 0.008 1.421 ± 0.002
1/2 0.041 ± 0.001 1.474 ± 0.001
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 .
Comme nous avons trouvé précédemment que λ ∝ F − q , une loi semblable

est trouvée pour la rigidité effective des marches : βɶeff = F − p avec p = 2q pour
les deux types d'interactions NNN et quelle que soit E2 (cf. Tableaux IV.1 et IV.2).
2
Ce qui implique que la relation λ ( F , E2 ) ∼ βɶ ( F , E2 ) est bien vérifiée dans la
figure IV.11.
La dépendance entre la longueur d’onde de méandre λ ( F , E2 ) et la rigidité
effective βɶ ( F , E2 ) des marches que nous avons trouvée, numériquement, est en
bon accord avec les résultats de Saito et al. [40]. Egalement, ce comportement est
bien vérifié dans l’expression théorique de Bales-Zangwill à l’équilibre (Eq. IV-1).
En résumé, l'approche des interactions NNN attractives pour interpréter
les résultats expérimentaux du Cuivre (100) (Cu(0 2 24)), donne une explication
bien compréhensible du désaccord existant depuis plus de deux décennies entre
la théorie de Bales-Zangwill et les observations expérimentales de Maroutian et
−q
Néel. [11] concernant la dépendance : λ ∝ F .
En se focalisant sur l’effet des interactions NNN dans la dynamique des
surfaces cristallines, on discutera par la suite leur effet sur la mobilité des
adatomes.
IV. Effet des interactions NNN sur la mobilité des adatomes

IV.1. Modèle théorique
Lors de la croissance épitaxiale, la dynamique de croissance est déterminée
par la cinétique d'incorporation des adatomes provenant du flux de dépôt. Ainsi,
la morphologie finale de la surface est gouvernée par plusieurs mécanismes
Chapitre IV :
cuivre Cu(100) 106
élémentaires en compétition, liés essentiellement aux processus qui se

manifestent sur les terrasses et au niveau des marches. Ces processus sont
contrôlés par la densité des crans aux bords des marches et par la mobilité des
adatomes, sur la surface ou bien au niveau des marches [41]. Par conséquent, il
est crucial de mesurer la mobilité et voir les effets de cette dernière sur les
paramètres impliqués dans la dynamique et la stabilité des surfaces cristallines.
Notons que la mobilité d’équilibre est donnée par l’expression suivante
[42-43] :
(k BT / a)σ eq = ( D / 2) exp[− Edet / kBT ] , (IV-7)
Où D = ν 0 exp(− Ed / k BT ) est le coefficient de diffusion et Edet = 2ε K + EES = E1 + EES ,
représente l’énergie d’activation pour qu’un atome se détache d’une position de
cran de la marche et diffuse vers la terrasse, avec ε K l'énergie de création d'un
cran "kink".
Hors équilibre, le comportement de la mobilité, à cause de sa complexité,
n’a jamais été étudié. Dans ce qui suit, nous proposons un développement
analytique afin de déterminer le comportement de la mobilité des adatomes en
fonction du flux de dépôt et avec les interactions NNN [14].
J+
J+
J+
J+
wn
xn-1 xn xn+1 xn+2 x
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.
Le modèle de Burton, Cabrera et Frank (BCF) [44] est le plus approprié

pour la description des mécanismes physiques ayant lieu sur les surfaces
cristallines lors de la croissance par avancement régulier des marches de hauteur
atomique et supposées parallèles et équidistantes.
Considérons un point x sur une surface vicinale de distance moyenne entre
les marches w = ℓ , à l’instant t et à qui on associe une densité d’adatomes déposés
c ( x, t ) (cf. figure IV.12). L’évolution de cette concentration sur la terrasse s’écrit
[44] :
Chapitre IV :
cuivre Cu(100) 107
∂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]
L'équation (Eq. IV-9) est assez compliquée à cause de la vitesse des

marches qui dépend à la fois du flux de dépôt et des propriétés énergétiques des
marches. Afin de simplifier le problème, nous considérons que la vitesse des
marches v est faible : vℓ / D << 1 (hypothèse qui sera justifiée dans ce qui suit).
Ainsi, en prenant l’origine en xn et en faisant un développement limité jusqu'à
l’ordre 1 en v , on trouve cette forme analytique simple :
F
c ( xɶ ) ≈ ( J + c eq ) xɶ + xɶ (1 − xɶ )a −2 , (IV-10)
Fc
où ~
x = x / ℓ et Fc = 2 D / ℓ 2 ≈ 2 .7 7 × 10 − 1 ( M L / s ) est un flux critique2. La
concentration s’écrit, maintenant, comme la somme de deux termes en xɶ : un
terme linéairement dépendant du flux cF ( xɶ ) et l’autre constant (indépendant de
flux) c0 ( xɶ ) . Ils s’écrivent ainsi :
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 :
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 :
cuivre Cu(100) 109
Notons que, Khenner [45] a montré une dépendance entre la vitesse de la

marche et le flux du dépôt sous cette forme :
v = 1.16×10−7 F 2 + 4.26×10−6 F + 5.35×10−5 (IV-19)

Ainsi, il est bien évident que l’approximation de faible vitesse des marches
vℓ / D << 1 , équivalente à un flux de dépôt F << Fc , est largement vérifiée dans
nos simulations ( 5 ×10 −4 ML / s ≤ F ≤ 2 ×10 −2 ML / s ) [13-14] et en parfaite cohérence
avec l’intervalle de flux utilisé dans l’expérience de Maroutian et al. [11].
Par ailleurs, en utilisant l'expression (Eq. IV-1) la mobilité effective est
donnée par :
λɶ eff
2
1 λɶ eff
2
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 .
IV.2. Résultats des simulations kMC de la mobilité des adatomes

En général, les adatomes déposés migrent sur les terrasses jusqu'à ce qu'ils
soient piégés par des crans aux bords des marches et, donc, une diminution de la
mobilité des adatomes est attendue [41, 46]. Par conséquent, la mobilité des
adatomes pourrait être étroitement liée à la concentration des crans. Néanmoins,
la structure des bords des marches est également affectée par le flux de dépôt et
la force des interactions NNN [14]. Cela conduit probablement à l'existence d'une
corrélation complexe entre la densité des crans, la mobilité des adatomes et les
interactions NNN.
En utilisant l’équation (Eq. IV-20), nos résultats des simulations de la
mobilité effective en fonction du flux de dépôt pour différentes valeurs de E2 et
pour les deux types d’interactions (attractives et répulsives) sont illustrés dans la
figure IV.12. Nous trouvons, pratiquement, une dépendance linéaire en F, en
parfait accord qualitatif et quantitatif (E2=0eV) avec la théorie Eqs. IV-17 et IV-
18) : σ~eff = a + b × F = σ~0 + σ~F , où :
Chapitre IV :
cuivre Cu(100) 110
σɶ 0 = (15.19 ± 0.08) × 10−1

 , pour E2=0eV. (IV-21)
σ
 F
ɶ = (7.78 ± 0.03) × 10 2
× F
Dans le cas des interactions NNN attractives et répulsives, respectivement, pour

E2= E1/6 :
σɶ 0 = (6.09 ± 0.08) × 10−1 σɶ 0 = (35.75 ± 0.08) × 10 −1
 ( E2 > 0),  ( E2 < 0).
σɶ F = (3.5 ± 0.02) × 10 × F
2
σɶ F = (18.34 ± 0.05) × 10 × F
2
0.5
a
E2 > 0 E2 >0
ασɶeff 0
1.4
E1/2
E1/20 E1/4
0.4 1.2
Concentration des crans

E1/14 E1/6
E1/10 1.0 E1/8
0.3 E1/8 E1/10
E1/6 0.8 E1/14
E1/4 E1/20
0.2 E1/2 0.6 0
Fit Fit
0.4
0.1
0.2
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)
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.
En résumé, nos résultats des simulations kMC montrent que la mobilité

effective des adatomes σɶ eff et la rigidité effective βɶeff des marches, sont affectées
Chapitre IV :
cuivre Cu(100) 111
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 :
cuivre Cu(100) 112
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, 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.
Bibliographie (Chapitre VI) 113
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".
Cambridge, 1998).
[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
[31] F. Gillet, O. Pierre-Louis, C. Misbah, Eur. Phys. J. B. 18 519 2000.

[32] M. Uwaha, Y. Saito, M. Sato, J. Cryst. Growth. 146 164 1995.
[33] Y. Shim, J.G. Amar, Phys. Rev. B. 73 035423 2006.
[34] Harold J.W. Zandvliet, R. Van Moere, B. Poelsema, Phy. Rev. B. 68 073404 2003.
[35] T. J. Stasevich, T.L. Einstein, R. K. P. Zia, M. Giesen, H. Ibach, F. Szalma, Phys.
Rev. B. 70 245404 2004; T.J. Stasevich, T.L. Einstein, Multiscale Model. Simul. 6 90
2007.
[36] H. Mehl, Ofer Biham, I. Furman, Majid Karimi, Phys. Rev. B. 60 2106 1999.
Cambridge, 1998).
[39] Ajmi. BH. Hamouda, A. Pimpinelli and T. L. Einstein, European Physics Letter. 88
26005 2009.
[40] M. Saito, S. Kondo, M. Uwaha, Journal of Crystal Growth 318 14 2011; Masahide
Saito, Makio Uwaha, Yukio Saito, Yukio Hirose, Phys. Rev. B 65 245427 2002.
[41] Altaf Karim, M. Rusanen, I.T. Koponen, T. Ala-Nissila, Talat S. Rahman, Surf. Sci.
554 L113 2004.
[42] A. Beausoleil, P. Desjardins, and A. Rochefort, Phys. Rev. E 89 032406 2014.
[43] Y. Saito and Makio Uwaha, Phys. Rev. B 49 10677 1994.
[44] W.K. N. Cabrera, F.C. Frank Phil. Trans. Roy. Soc. London A. 243 299 1951.
[45] M. Khenner, Phys. Rev. E 88 022402 2013.
[46] H.M. Cuppen, H. Meekes, W.J.P. van Enckevort, P. Bennema, E. Vileg, Surf. Sci.
525 1 2003.
Conclusion générale
et perspectives
Conclusion générale et perspectives 115
___________________________________________________________________________
*** Conclusion générale et perspectives ***
Ce travail de thèse a pour but d’étudier la dynamique du mouvement des

marches atomiques sur les surfaces cristallines vicinales (à marches) en équilibre,
ainsi que leurs comportements hors équilibre (c.à.d. en conditions de la croissance
EJM). Nous avons mené une étude théorique visant à améliorer ou à proposer
des modèles permettant de décrire et de prévoir l’évolution de la morphologie de
surface des matériaux métalliques et semi-conducteurs. Notre démarche est
basée sur un code des simulations de Monte-Carlo cinétique (KMC), développé
dans notre équipe, modifié afin d’étudier de nouveaux mécanismes et propriétés
microscopiques de ces surfaces. L’accent a été mis sur les propriétés énergétiques
gouvernant les fluctuations des marches atomiques et l’effet des interactions avec
les atomes seconds proches voisins (NNN) sur les propriétés physiques des
marches (rigidité, mobilité, densité des crans) et par conséquent sur l'instabilité
des méandres des marches. Notons que ces interactions NNN non pas étés inclus
auparavant dans les simulations KMC et c’est à cause du faite qu’ils sont
négligées ou pour des raisons de simplification du problème.
Les principaux résultats se résument dans les points suivants :

Dans l'étude d'équilibre (F=0ML/s), d'un coté, une comparaison entre
les marches orientées dans les directions <100> et <110> basée sur l’analyse de
leurs distributions de largeurs des terrasses (TWD) et des mesures de rigidité,
montre que ces deux orientations 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 qu’elle dépend des barrières
énergétiques en bord des marches et de leurs cinétiques. En effet, nous avons
montré que les marches <100> sont plus rigides que les marches <110>. Un
modèle théorique décrivant la rigidité des marches a été proposé pour ces deux
orientations s’avère en bon accord avec les résultats de nos simulations KMC. De
plus, 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. Néanmoins, lorsqu'on introduit une anisotropie aux bords des marches
(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. D'un autre côté, nous avons mis en évidence le rôle 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 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. Pour les marches <110>, l'interaction n'est plus 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, nous a permis d’obtenir un bon ajustement de la TWD
issue de nos simulations par l'expression théorique déduite du modèle proposé.
L'effet des interactions NNN sur la rigidité des marches, montre que cette
dernière est plus affectée dans le cas de l’orientation <110>, marches en zigzag,
que le cas des marches droites correspondants à l’orientation <100>. Les
simulations Monte Carlo cinétiques sont en très bon accord, qualitativement et
quantitativement, avec les prédictions théoriques et le peu d’observations
expérimentales de la littérature.
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.
___________________________________________________________________________
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.
Enfin, nous aboutissons à la conclusion intéressante suivante : La densité

des crans est une propriété de la surface qui joue un rôle fondamental dans la
dynamique des nanostructures. En effet, à l'équilibre, 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. Nos résultats montrent que ces crans ont un effet non négligeable dans
la relaxation des marches atomiques. En outre, hors équilibre, la rigidité effective
des marches et la mobilité effective des adatomes sont des paramètres crucial
intervenants dans le développement de l'instabilité des méandres des marches.
Cette dernière est aussi affectée par les interactions NNN. De plus, nous avons
montré que la densité des crans est liée à l'intensité des interactions NNN et au
flux de dépôt. Ceci met en évidence, la présence d’une corrélation étroite entre la
rigidité des marches, la mobilité des adatomes, les interactions NNN et la densité
des crans.
En perspectives de ce travail, nous pouvons envisagée d’étudier d’autres

orientations du cuivre, tel que le Cu(1 1 17). Ce dernier est expérimentalement
étudié et il montre des structures fines des marches assez différentes que celles
observées dans le Cu(0 2 24), notamment au niveau du profile du bord des
marches. Manifestement, le profile des marches atomiques dépend lui aussi du
type d’interactions (attractive ou répulsive). On peut se demandé s’il y a un lien
entre le type d’interactions et l’orientation des marches sur la surface.
Aussi, nous pouvons améliorer notre code de simulation en ajoutant
d'autres contributions énergétiques tels que, les interactions trio voisins, les
contraintes élastiques, ...etc. Aussi, Nous envisageons d’effectuer d'autres
manipulations mathématiques pour bien expliquer nos résultats obtenus surtout
pour l'effet des interactions NNN sur l'instabilité des méandres. Le
___________________________________________________________________________
développement d’un modèle mathématique, faisant intervenir les interactions
NNN, pourrais être très utiles pour mieux comprendre la dynamique des
marches et des nanostructures sur les surfaces cristallines.

These Finale Mahjoub Brahim

Transféré par

Droits d'auteur :

Formats disponibles

These Finale Mahjoub Brahim

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

These Finale Mahjoub Brahim

Transféré par

Droits d'auteur :

Formats disponibles

REPUBLIQUE TUNISIENNE

MINISTERE DE L’ENSEIGNEMENT SUPERIEUR

Modélisation Monte-Carlo de la dynamique des

Présentée à La Faculté des Sciences de Monastir Par :

Pour obtenir le grade de : DOCTEUR

Soutenue publiquement le 09/12/2017 devant le jury composé de:

Faculté des Sciences de Monastir

Laboratoire de Physique Quantique (LPQ) (Code : UR 11 ES 54)

Je dédie ce modeste travail …

A la mémoire de ma très cher mère

A mon très chère père Fredj

A ma chère tante Mouldia "Dada" et toute ma famille

A mes chers frères et sœurs

A tous mes amies

Je remercie vivement Monsieur BRAHIM OUJIA, Professeur à la Faculté

Je remercie tout particulièrement mon directeur scientifique de thèse,

J'exprime toute ma reconnaissance à Monsieur JEMAI DHAHRI,

Mes remerciements vont également au Professeur TED. EINSTEIN, de

Je remercie aussi Monsieur YOUNES BOUAZRA, Professeur à la Faculté

Mes remerciements vont également à l’ensemble des chercheurs du

Je suis heureux de remercier l’ensemble de mes collègues et amis thésards

Je ne saurai oublier de remercier ma famille, mon père FREDJ, ma grand

Modélisation Monte-Carlo de la dynamique des nanostructures sur

Table des matières

Chapitre I : Synthèse bibliographique

I. Description microscopique d’une surface .....................................................................................4

Chapitre II : Modélisation théorique de la dynamique des

I. Etat de l'art .................................................................................................................................. 35

Chapitre III : Dynamique des marches atomiques à l'équilibre :

III.1. Variance de la TWD et interaction entre les marches................................................................76

Chapitre IV : Effet des interactions NNN et de la mobilité des

I. Origine physique de l’instabilité du méandrage ......................................................................... 89

Liste des figures

Liste des tableaux

*** Introduction générale ***

Ce manuscrit est divisé en quatre chapitres.

Chapitre I : Synthèse bibliographique

I. Description microscopique d’une surface

Les surfaces singulières parfaites qui sont parallèles aux plans

A l’échelle atomique, une telle surface se présente comme une succession

II. Intérêt des surfaces vicinales à marches

III. Dynamique des marches sur les surfaces vicinales

Ainsi, sous différents regards, la rigidité de marche βɶ (θ , T) est plus

III.2. Hamiltonien des marches

où N est le nombre des marches (ou terrasses) et V nM ( V nT ) est la contribution de

de plus, on peut remarquer qu’à ce niveau du raisonnement, on va pouvoir relier

où w n ( y ) = x n + 1 ( y ) − x n ( y ) pour une valeur de l’ordonnée y perpendiculaire à la

III.3. Caractérisation énergétique des fluctuations des marches

- Interactions énergétiques explicites, aussi bien répulsives qu’attractives,

III.4. Energie libre et rigidité des marches

( ε x , ε y , ε z ) et ( a x , a y , a z ) sont respectivement, les énergies et les constantes du

A température finie, les marches deviennent onduleuses et fluctuent sous

En se référant à la figure I.5, qui montre une simulation Monte Carlo

Le paramètre g = (g ' (T )T / h 3 ) est relié à la rigidité des marches qui,

IV. Aspects fondamentaux de la croissance épitaxiale

IV.2. Techniques de croissance épitaxiale

Croissance couche par couche

Figure I.6 : Description schématique de l'épitaxie par jet moléculaire, cas de la

Dans ce procédé, des faisceaux d'atomes ou des molécules dans un

* Introduction générale *