P3-04 Coarse-Graining in Micromagnetic Simulations of Dynamic Hysteresis Loops
Notice bibliographique
Résumé
Authors: R. Behbahani, M.L. Plumer, I. Saika-Voivod, Physics and Physical Oceanography, Memorial University of Newfoundland, St. John's, Newfoundland, CANADA|R. Behbahani, I. Saika-Voivod, Applied Mathematics, Western University, London, Ontario, CANADA| Abstract Body: We use micromagnetic simulations based on the stochastic Landau–Lifshitz–Gilbert equation to calculate dynamic magnetic hysteresis loops at finite temperatures that are invariant with simulation cell size. As a test case, we simulate a magnetite nanorod, the building block of magnetic nanoparticles that have been employed in preclinical studies of hyperthermia [1]. With the goal to effectively simulate loops for large iron-oxide-based systems at relatively slow sweep rates on the order of 1 Oe/ns or less, we modify and employ a previously derived renormalization group (RG) approach for coarse-graining [2]. The scaling algorithm is shown to produce nearly identical loops over several decades in the model cell volume [3]. We also demonstrate sweep-rate scaling involving the Gilbert damping parameter that allows orders of magnitude speed-up of the loop calculations.References: [1] C. L. Dennis et al., Nanotechnology Vol. 20, p.395103 (2009) [2] G. Grinstein and R. H. Koch, Phys. Rev. Lett. Vol. 90, No. 20, p.207201 (2003) [3] R. Behbahani, M. L. Plumer and I. Saika-Voivod, J. Phys. Condens. Matter, Vol. 32, No.35LT01 (2020) https://s3.eu-west-1.amazonaws.com/underline.prod/uploads/markdown_image/1/image/ea85657bdbcbd76c1f4c7dce61c973e5.jpg
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».