Understanding Reentrance in Frustrated Magnets: The Case of the <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" display="inline"><mml:mrow><mml:msub><mml:mrow><mml:mi>Er</mml:mi></mml:mrow><mml:mrow><mml:mn>2</mml:mn></mml:mrow></mml:msub><mml:msub><mml:mrow><mml:mi>Sn</mml:mi></mml:mrow><mml:mrow><mml:mn>2</mml:mn></mml:mrow></mml:msub><mml:msub><mml:mrow><mml:mi mathvariant="normal">O</mml:mi></mml:mrow><mml:mrow><mml:mn>7</mml:mn></mml:mrow></mml:msub></mml:mrow></mml:math> Pyrochlore
Notice bibliographique
Résumé
Reentrance, the return of a system from an ordered phase to a previously encountered less-ordered one as a controlled parameter is continuously varied, is a recurring theme found in disparate physical systems, yet its microscopic cause is often not investigated thoroughly. Here, through detailed characterization and theoretical modeling, we uncover the microscopic mechanism behind reentrance in the strongly frustrated pyrochlore antiferromagnet Er_{2}Sn_{2}O_{7}. We use single crystal heat capacity measurements to expose that Er_{2}Sn_{2}O_{7} exhibits multiple instances of reentrance in its magnetic field B vs temperature T phase diagram for magnetic fields along three cubic high symmetry directions. Through classical Monte Carlo simulations, mean field theory, and classical linear spin-wave expansions, we argue that the origins of the multiple occurrences of reentrance observed in Er_{2}Sn_{2}O_{7} are linked to soft modes. These soft modes arise from phase competition and enhance thermal fluctuations that entropically stabilize a specific ordered phase, resulting in an increased transition temperature for certain field values and thus the reentrant behavior. Our work represents a detailed examination into the mechanisms responsible for reentrance in a frustrated magnet and may serve as a template for the interpretation of reentrant phenomena in other physical systems.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,007 |
| Méta-épidémiologie (sens large) | 0,001 | 0,008 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,005 | 0,007 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,009 | 0,007 |
| Intégrité de la recherche | 0,005 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,952 | 0,005 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».