MétaCan
Menu
Retour à la cohorte
Enregistrement W2123258030 · doi:10.1109/tmag.2013.2283659

Kinetic Monte Carlo Simulations of $M\!\!-\!\!H$ Loops for HAMR Recording Media: Comparison With MOKE Data

2013· article· en· W2123258030 sur OpenAlexaff
M. L. Plumer, T. J. Fal, J. I. Mercer, J. P. Whitehead, J. van Ek, Antony Ajan

Notice bibliographique

RevueIEEE Transactions on Magnetics · 2013
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMagnetic properties of thin films
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesWestern Digital
Mots-clésMonte Carlo methodAnisotropyCondensed matter physicsHeat-assisted magnetic recordingMicromagneticsSaturation (graph theory)Computational physicsPatterned mediaPhysicsKinetic energyMagnetizationKinetic Monte CarloMaterials scienceMagnetic anisotropyKerr effectNuclear magnetic resonanceOpticsMagnetic fieldAcousticsClassical mechanics

Résumé

récupéré en direct d'OpenAlex

Our previously developed kinetic Monte Carlo algorithm is used to simulate M-H loops of high anisotropy magnetic recording media at long time scales relevant to the experimental measurements using the magneto-optic Kerr effect. Micromagnetic parameters are fit to loop data taken at 300 K and at a sweep rate of 700 Oe/s on a single-layer media developed for heat-assisted magnetic recording. Significantly different fitted parameters result from standard micromagnetic simulations that can access only sweep rates many orders of magnitude faster. Sensitivities of the loops to anisotropy, saturation magnetization, and various distributions are reported.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,782
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,042
Tête enseignante GPT0,263
Écart entre enseignants0,221 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
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

Citations4
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on MagneticsMême sujetMagnetic properties of thin filmsTravaux en français237 207