MétaCan
Menu
Retour à la cohorte
Enregistrement W1510358285 · doi:10.1063/1.4922055

Anisotropy engineering using exchange bias on antidot templates

2015· article· en· W1510358285 sur OpenAlexafffund
F. J. T. Gonçalves, R. D. Desautels, Shan Su, Timothy D. Drysdale, J. van Lierop, Ko‐Wei Lin, David S. Schmool, R. L. Stamps

Notice bibliographique

RevueAIP Advances · 2015
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMagnetic properties of thin films
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesEngineering and Physical Sciences Research CouncilNatural Sciences and Engineering Research Council of CanadaRoyal Society
Mots-clésExchange biasFerromagnetismAnisotropyMaterials scienceCondensed matter physicsMagnetic anisotropyTemplateField (mathematics)Ferromagnetic resonanceMicrowavePlanarAsymmetryMagnetic fieldRange (aeronautics)NanotechnologyPhysicsOpticsComputer scienceMagnetization

Résumé

récupéré en direct d'OpenAlex

We explore an emerging device concept based on exchange bias used in conjunction with an antidot geometry to fine tune ferromagnetic resonances. Planar cavity ferromagnetic resonance is used to study the microwave response of NiO/NiFe bilayers with antidot structuring. A large frequency asymmetry with respect to an applied magnetic field is found across a broad field range whose underlying cause is linked to the distribution of magnetic poles at the antidot surfaces. This distribution is found to be particularly sensitive to the effects of exchange bias, and robust in regards to the quality of the antidot geometry. The template based antidot geometry we study offers advantages for practical device construction, and we show that it is suitable for broadband absorption and filtering applications, allowing tunable anisotropies via interface engineering.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,063
Tête enseignante GPT0,273
Écart entre enseignants0,209 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAIP AdvancesMême sujetMagnetic properties of thin filmsTravaux en français237 207